論文の概要: Estimation of Spectral Biophysical Skin Properties from Captured RGB Albedo

• arxiv url: http://arxiv.org/abs/2201.10695v1
• Date: Wed, 26 Jan 2022 01:07:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-27 14:11:23.375859
• Title: Estimation of Spectral Biophysical Skin Properties from Captured RGB Albedo
• Title（参考訳）: 捕捉RGBアルベドからの分光生体物性の推定
• Authors: Carlos Aliaga, Christophe Hery, Mengqi Xia
• Abstract要約: 簡単なRGBアルベドキャプチャーからヒト皮膚のスペクトル特性を再構成・操作する新しい手法を提案する。 我々はモンテカルロ光シミュレーションを、その最も重要な構成要素によってパラメータ化された正確な生体物理学的ヒト皮膚層モデル上で活用する。
• 参考スコア（独自算出の注目度）: 1.0312968200748116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a new method to reconstruct and manipulate the spectral properties of human skin from simple RGB albedo captures. To this end, we leverage Monte Carlo light simulation over an accurate biophysical human skin layering model parameterized by its most important components, thereby covering a plausible range of colors. The practical complexity of the model allows us to learn the inverse mapping from any albedo to its most probable associated skin properties. Our technique can faithfully reproduce any skin type, being expressive enough to automatically handle more challenging areas like the lips or imperfections in the face. Thanks to the smoothness of the skin parameters maps recovered, the albedo can be robustly edited through meaningful biophysical properties.
• Abstract（参考訳）: 簡単なRGBアルベドキャプチャーからヒト皮膚のスペクトル特性を再構成・操作する新しい手法を提案する。 この目的のために,我々はモンテカルロ光シミュレーションを,その最も重要な構成要素によってパラメータ化された正確な生体物理学的皮膚層モデル上で活用し,可能な色範囲をカバーする。 このモデルの実用的複雑さにより、任意のアルベドから最も可能性の高い皮膚特性への逆写像を学習することができる。 われわれの技術は皮膚のあらゆるタイプを忠実に再現することができ、顔の唇や不完全といったより困難な領域を自動的に扱うのに十分な表現力を持っている。 皮膚のパラメーターマップの滑らかさのおかげで、アルベドは有意義な生物学的性質によって堅牢に編集できる。

関連論文リスト

• Equitable Skin Disease Prediction Using Transfer Learning and Domain Adaptation [1.9505972437091028]
  皮膚科学における既存の人工知能(AI)モデルは、様々な皮膚のトーンで病気を正確に診断する上で困難に直面している。 我々は、様々な画像領域からのリッチでトランスファー可能な知識を活かしたトランスファーラーニングアプローチを採用する。 あらゆる手法の中で、Med-ViTは様々な画像ソースから学んだ包括的な特徴表現のためにトップパフォーマーとして登場した。
  論文  参考訳（メタデータ） (2024-09-01T23:48:26Z)
• Compositional Physical Reasoning of Objects and Events from Videos [122.6862357340911]
  本稿では,物体の動きや相互作用から隠れた物理的特性を推定するという課題に対処する。 我々は、ComPhyの最先端ビデオ推論モデルを評価し、これらの隠れプロパティをキャプチャする限られた能力を明らかにする。 また,視覚的および隠れた物理的特性を学習し,原因を解明する,新しいニューロシンボリックな枠組みであるPhysical Concept Reasoner(PCR)を提案する。
  論文  参考訳（メタデータ） (2024-08-02T15:19:55Z)
• S-SYNTH: Knowledge-Based, Synthetic Generation of Skin Images [2.79604239303318]
  S-SYNTHは知識ベースで適応可能なオープンソーススキンシミュレーションフレームワークである。 我々は、解剖学的にインスパイアされた多層多層皮膚と成長する病変モデルを用いて、合成皮膚、3次元モデル、デジタル化された画像を生成する。 また, 合成データを用いて得られた結果は, 実際の皮膚画像と類似した傾向を示した。
  論文  参考訳（メタデータ） (2024-07-31T23:16:29Z)
• High-Fidelity Facial Albedo Estimation via Texture Quantization [59.100759403614695]
  得られたアルベドデータを必要とせずに、単一の画像から直接アルベドマップを復元するHiFiAlbedoを提案する。 本手法は優れた一般化性を示し,眼内アルベド回復のための高忠実度化を実現することができる。
  論文  参考訳（メタデータ） (2024-06-19T01:53:30Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• IntrinsicAvatar: Physically Based Inverse Rendering of Dynamic Humans from Monocular Videos via Explicit Ray Tracing [30.944495094789826]
  IntrinsicAvatarは、単眼ビデオのみから人間のアバターの本質的な特性を回復するための新しいアプローチである。 本手法は, 単眼映像から高品質な形状, アルベド, 材料, 照明特性を復元する。
  論文  参考訳（メタデータ） (2023-12-08T17:58:14Z)
• Unsupervised Skin Lesion Segmentation via Structural Entropy Minimization on Multi-Scale Superpixel Graphs [59.19218582436495]
  本研究では,構造エントロピーと孤立林外層検出に基づく非教師付き皮膚病変sEgmentationフレームワーク,すなわちSLEDを提案する。 皮膚病変は、皮膚内視鏡像から構築した超画素グラフの構造エントロピーを最小化することにより区分される。 健康な皮膚の特徴の整合性を特徴とし, マルチスケールのセグメンテーション機構を考案し, マルチスケールのスーパーピクセル特徴を活用して, セグメンテーション精度を向上させる。
  論文  参考訳（メタデータ） (2023-09-05T02:15:51Z)
• Evaluating the Efficacy of Skincare Product: A Realistic Short-Term Facial Pore Simulation [68.06388750609058]
  本研究では,スキンケア製品を用いた顔の毛穴変化を明らかにするための最初のシミュレーションモデルを提案する。 提案したシミュレーションは、現実的な顔の毛穴の変化を表現できる。
  論文  参考訳（メタデータ） (2023-02-23T12:00:15Z)
• Revisiting the Shape-Bias of Deep Learning for Dermoscopic Skin Lesion Classification [4.414962444402826]
  人間の視覚系は、テクスチャよりも形状の認識に偏っていると一般的に信じられている。 本稿では,皮膚病変画像の分類における形状ビアーゼの重要性を再考する。
  論文  参考訳（メタデータ） (2022-06-13T20:59:06Z)
• Total Scale: Face-to-Body Detail Reconstruction from Sparse RGBD Sensors [52.38220261632204]
  PIFuをベースとした再建術では, 顔面の平坦化が頻発する。 再建した顔のディテールの質を高めるために,2段階のPIFu表現を提案する。 顔の鮮明な細部と身体形状の変形におけるアプローチの有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2021-12-03T18:46:49Z)
• Leveraging Adaptive Color Augmentation in Convolutional Neural Networks for Deep Skin Lesion Segmentation [0.0]
  データ表現とモデル性能を増幅する適応色拡張手法を提案する。 正常な皮膚組織に対して皮膚病変を識別するためのネットワークによって得られた意味的構造的特徴を質的に同定し,検証した。
  論文  参考訳（メタデータ） (2020-10-31T00:16:23Z)

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。