論文の概要: SIRfyN: Single Image Relighting from your Neighbors
- arxiv url: http://arxiv.org/abs/2112.04497v1
- Date: Wed, 8 Dec 2021 17:05:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-10 15:04:46.433445
- Title: SIRfyN: Single Image Relighting from your Neighbors
- Title（参考訳）: sirfyn: 隣人からの1枚の写真
- Authors: D.A. Forsyth, Anand Bhattad, Pranav Asthana, Yuanyi Zhong, Yuxiong
Wang
- Abstract要約: 一つの画像に描かれたシーンをリライトする方法を示し、(a)全体のシェーディングが変化し、(b)得られた画像はそのシーンの自然なイメージのように見える。
- 参考スコア（独自算出の注目度）: 14.601975066158394
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We show how to relight a scene, depicted in a single image, such that (a) the
overall shading has changed and (b) the resulting image looks like a natural
image of that scene. Applications for such a procedure include generating
training data and building authoring environments. Naive methods for doing this
fail. One reason is that shading and albedo are quite strongly related; for
example, sharp boundaries in shading tend to appear at depth discontinuities,
which usually apparent in albedo. The same scene can be lit in different ways,
and established theory shows the different lightings form a cone (the
illumination cone). Novel theory shows that one can use similar scenes to
estimate the different lightings that apply to a given scene, with bounded
expected error. Our method exploits this theory to estimate a representation of
the available lighting fields in the form of imputed generators of the
illumination cone. Our procedure does not require expensive "inverse graphics"
datasets, and sees no ground truth data of any kind.
Qualitative evaluation suggests the method can erase and restore soft indoor
shadows, and can "steer" light around a scene. We offer a summary quantitative
evaluation of the method with a novel application of the FID. An extension of
the FID allows per-generated-image evaluation. Furthermore, we offer
qualitative evaluation with a user study, and show that our method produces
images that can successfully be used for data augmentation.
- Abstract（参考訳）: 一つの画像に描かれたシーンをリライトする方法を示します。
(a)全体のシェーディングが変化し、
(b)結果のイメージは、そのシーンの自然なイメージのように見える。
このような手順には、トレーニングデータの生成とオーサリング環境の構築が含まれる。
これを行う方法が失敗する。
シェーディングとアルベドは、例えば、シャープなシェーディングの境界線が、通常アルベドに現れる深さの不連続点に現れる傾向があるため、非常に強い関係がある。
同じ場面を様々な方法で照らすことができ、定説では、異なる照明が円錐(照明円錐)を形成する。
新たな理論では、同じシーンを使って、特定のシーンに適用する異なる照明を、有界な予測誤差で推定することができる。
本手法は,この理論を応用して,照明コーンのインデュート発生器の形で利用可能な照明場の表現を推定する。
この手順では高価な「逆グラフィックス」データセットは必要とせず、いかなる種類の根拠真理データも見ない。
質的評価は、ソフトな屋内シャドウを消去・復元し、シーン周辺の光を「ステアリング」できることを示唆している。
FIDの新たな応用法として,本手法を定量的に評価する。
FIDの拡張は、生成画像毎の評価を可能にする。
さらに,ユーザ調査により質的評価を行い,データ拡張に有効な画像を生成することを示す。
関連論文リスト
- Neural Gaffer: Relighting Any Object via Diffusion [43.87941408722868]
我々はニューラル・ギャファーと呼ばれる新しいエンドツーエンドの2次元ライティング拡散モデルを提案する。
我々のモデルは、任意の物体の1つの画像を取り、新しい照明条件下で、正確で高品質な信頼された画像を合成することができる。
本稿では,インターネット画像の総合化と精度の両面からモデルを評価し,その利点を一般化と精度の両面から示す。
論文 参考訳（メタデータ） (2024-06-11T17:50:15Z) - Latent Intrinsics Emerge from Training to Relight [21.766083733177652]
本稿では,データ駆動型リライト方式について述べる。
我々はアルベドを例を使わずに我々の潜伏した内生生物から回収できることを示し, 回収したアルベドはSOTA法と競合することを示した。
論文 参考訳（メタデータ） (2024-05-31T17:59:12Z) - SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and
Illumination Removal in High-Illuminance Scenes [51.50157919750782]
本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。
間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。
強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
論文 参考訳（メタデータ） (2023-10-19T10:44:23Z) - Neural Radiance Transfer Fields for Relightable Novel-view Synthesis
with Global Illumination [63.992213016011235]
本稿では,ニューラル計算された放射光伝達関数を学習し,新しい視点下でのシーンリライティング手法を提案する。
本手法は,1つの未知の照明条件下で,シーンの実際の画像に対してのみ監視することができる。
その結果, シーンパラメータのアンタングルの復元は, 現状よりも有意に向上していることがわかった。
論文 参考訳（メタデータ） (2022-07-27T16:07:48Z) - Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。
1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
論文 参考訳（メタデータ） (2022-05-19T06:44:37Z) - Spatio-Temporal Outdoor Lighting Aggregation on Image Sequences using
Transformer Networks [23.6427456783115]
本研究は,画像からのノイズ推定を集約した屋外照明推定に焦点をあてる。
ディープニューラルネットワークに基づく最近の研究は、単一画像の照明推定に有望な結果を示しているが、堅牢性に悩まされている。
画像シーケンスの角領域と時間領域でサンプリングされた複数の画像ビューからの照明推定値を組み合わせることで、この問題に対処する。
論文 参考訳（メタデータ） (2022-02-18T14:11:16Z) - Neural Radiance Fields for Outdoor Scene Relighting [70.97747511934705]
ニューラルラジアンス場に基づく屋外シーンライティングのための最初のアプローチであるNeRF-OSRを提案する。
従来の技術とは対照的に,本手法はシーン照明とカメラ視点の同時編集を可能にする。
シャドウ再現のための専用ネットワークも備えており、高品質の屋外照明に欠かせない。
論文 参考訳（メタデータ） (2021-12-09T18:59:56Z) - Self-supervised Outdoor Scene Relighting [92.20785788740407]
本稿では, 自己指導型リライティング手法を提案する。
当社のアプローチは,ユーザの監督なしにインターネットから収集した画像のコーパスのみに基づいて訓練されている。
以上の結果から,写実的かつ物理的に妥当な結果を生成できる技術が,見えない場面に一般化できることが示唆された。
論文 参考訳（メタデータ） (2021-07-07T09:46:19Z) - Relighting Images in the Wild with a Self-Supervised Siamese
Auto-Encoder [62.580345486483886]
本研究では,野生の単一ビュー画像の自己教師付きリライティング手法を提案する。
この方法は、イメージを2つの別々のエンコーディングに分解するオートエンコーダに基づいている。
Youtube 8MやCelebAなどの大規模データセットでモデルをトレーニングします。
論文 参考訳（メタデータ） (2020-12-11T16:08:50Z) - Intrinsic Image Decomposition using Paradigms [0.0]
最新の画像手法は、レンダリングされたモデルと人間の判断を用いて、画像からアルベドへのマップを学習する。
本稿では,Wアノテーションやレンダリングデータ,あるいは地上真実データを見ることなく,本質的な画像分解を学習する手法について述べる。
論文 参考訳（メタデータ） (2020-11-20T17:10:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。