論文の概要: PANDORA: Polarization-Aided Neural Decomposition Of Radiance

• arxiv url: http://arxiv.org/abs/2203.13458v1
• Date: Fri, 25 Mar 2022 05:41:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-28 14:08:07.352220
• Title: PANDORA: Polarization-Aided Neural Decomposition Of Radiance
• Title（参考訳）: パンドラ:偏光支援による放射能の神経分解
• Authors: Akshat Dave, Yongyi Zhao, Ashok Veeraraghavan
• Abstract要約: 逆レンダリングはコンピュータグラフィックスとビジョンの基本的な問題である。 座標ベースニューラルネットワークとしてのシーン特性の最近の進歩は、ニューラルネットワークの逆レンダリングを促進している。 暗黙的ニューラル表現に基づく偏光逆レンダリング手法であるPANDORAを提案する。
• 参考スコア（独自算出の注目度）: 20.760987175553655
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstructing an object's geometry and appearance from multiple images, also known as inverse rendering, is a fundamental problem in computer graphics and vision. Inverse rendering is inherently ill-posed because the captured image is an intricate function of unknown lighting conditions, material properties and scene geometry. Recent progress in representing scene properties as coordinate-based neural networks have facilitated neural inverse rendering resulting in impressive geometry reconstruction and novel-view synthesis. Our key insight is that polarization is a useful cue for neural inverse rendering as polarization strongly depends on surface normals and is distinct for diffuse and specular reflectance. With the advent of commodity, on-chip, polarization sensors, capturing polarization has become practical. Thus, we propose PANDORA, a polarimetric inverse rendering approach based on implicit neural representations. From multi-view polarization images of an object, PANDORA jointly extracts the object's 3D geometry, separates the outgoing radiance into diffuse and specular and estimates the illumination incident on the object. We show that PANDORA outperforms state-of-the-art radiance decomposition techniques. PANDORA outputs clean surface reconstructions free from texture artefacts, models strong specularities accurately and estimates illumination under practical unstructured scenarios.
• Abstract（参考訳）: 物体の形状と外観を逆レンダリング(inverse rendering)としても知られる複数の画像から再構成することは、コンピュータグラフィックスと視覚における根本的な問題である。 逆レンダリングは、撮影された画像が未知の照明条件、素材特性、シーン形状の複雑な機能であるため、本質的に不適切である。 座標ベースニューラルネットワークとしてのシーン特性の最近の進歩は、印象的な幾何学的再構成と新規ビュー合成をもたらすニューラルネットワークの逆レンダリングを促進している。 我々の重要な洞察は、偏光は表面の正規度に強く依存するので、偏光は神経逆レンダリングに有用なキューであり、拡散とスペクトル反射率に異なることである。 商品化、オンチップ、偏光センサの登場により、偏光を捉えられるようになった。 そこで我々は,暗黙のニューラル表現に基づく偏光逆レンダリング手法であるPANDORAを提案する。 オブジェクトの多視点偏光画像から、PANDORAはオブジェクトの3次元幾何学を共同で抽出し、外部放射を拡散とスペクトルに分離し、オブジェクトの照明インシデントを推定する。 PANDORAは最先端の放射分解技術より優れていることを示す。 PANDORAは、テクスチャアーチファクトから解放されたクリーンな表面再構成を出力し、強い特異性を正確にモデル化し、実用的な非構造化シナリオの下で照明を推定する。

関連論文リスト

• GUS-IR: Gaussian Splatting with Unified Shading for Inverse Rendering [83.69136534797686]
  GUS-IRは、粗く光沢のある表面を特徴とする複雑なシーンの逆レンダリング問題に対処するために設計された新しいフレームワークである。 本稿では、逆レンダリング、フォワードシェーディング、遅延シェーディングに広く使われている2つの顕著なシェーディング技術を分析し、比較することから始める。 両手法の利点を組み合わせた統合シェーディングソリューションを提案する。
  論文  参考訳（メタデータ） (2024-11-12T01:51:05Z)
• NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
  NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。 偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。 我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
  論文  参考訳（メタデータ） (2024-06-11T09:53:18Z)
• GNeRP: Gaussian-guided Neural Reconstruction of Reflective Objects with Noisy Polarization Priors [8.8400072344375]
  ニューラルレイディアンス場(NeRF)からの学習面がマルチビューステレオ(MVS)の話題となった 近年の手法は、ランバートのシーンの正確な3次元形状を復元する能力を示した。 しかし、反射シーンにおけるそれらの結果は、特異な放射率と複雑な幾何学の絡み合いにより満足できない。
  論文  参考訳（メタデータ） (2024-03-18T15:58:03Z)
• SPIDeRS: Structured Polarization for Invisible Depth and Reflectance Sensing [31.605927493154656]
  目に見えない深度・反射センシング(SPIDeRS)のための構造偏光を導入する。 鍵となる考え方は、各画素における投射光の線形偏光(AoLP)の角度を変調することである。 偏光は目に見えず、深度だけでなく、直接表面の正常や反射までも取り戻すことができます。
  論文  参考訳（メタデータ） (2023-12-07T18:59:21Z)
• Neural Fields meet Explicit Geometric Representation for Inverse Rendering of Urban Scenes [62.769186261245416]
  本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。 具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
  論文  参考訳（メタデータ） (2023-04-06T17:51:54Z)
• Polarimetric Inverse Rendering for Transparent Shapes Reconstruction [1.807492010338763]
  ポーラリメトリック・キューを用いた透明物体の詳細な再構成手法を提案する。 我々は、物体の幾何学をニューラルネットワークとして暗黙的に表現し、一方、偏光レンダリングは物体の偏光画像を描画することができる。 提案手法を検証するため,多視点透明形状再構成のための偏極データセットを構築した。
  論文  参考訳（メタデータ） (2022-08-25T02:52:31Z)
• Self-calibrating Photometric Stereo by Neural Inverse Rendering [88.67603644930466]
  本稿では3次元オブジェクト再構成のための非校正光度ステレオの課題に取り組む。 本研究では,物体形状,光方向,光強度を協調的に最適化する手法を提案する。 本手法は,実世界のデータセット上での光推定と形状復元における最先端の精度を示す。
  論文  参考訳（メタデータ） (2022-07-16T02:46:15Z)
• NeRS: Neural Reflectance Surfaces for Sparse-view 3D Reconstruction in the Wild [80.09093712055682]
  ニューラルリフレクタンスサーフェス(NeRS)と呼ばれる暗黙モデルの表面アナログを導入する。 NeRSは、球に微分される閉じた表面の神経形状の表現を学び、水密な再構成を保証する。 このようなデータから学習可能な表面ベースニューラル再構成は,体積的ニューラルレンダリングに基づく再構成よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-14T17:59:58Z)
• NeRFactor: Neural Factorization of Shape and Reflectance Under an Unknown Illumination [60.89737319987051]
  照明条件が不明な物体の多視点像から物体の形状と空間的反射率を復元する問題に対処する。 これにより、任意の環境照明下でのオブジェクトの新たなビューのレンダリングや、オブジェクトの材料特性の編集が可能になる。
  論文  参考訳（メタデータ） (2021-06-03T16:18:01Z)

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。