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
- SpecNeRF: Gaussian Directional Encoding for Specular Reflections [28.981013646176635]
近接場照明条件下でのビュー依存効果をより良くモデル化するための学習可能なガウス方向符号化法を提案する。
我々の新しい指向性符号化は、近接場照明の空間的に変化する性質を捉え、事前フィルタされた環境マップの挙動をエミュレートする。
これにより、粗さ係数の異なる任意の3次元位置において、事前変換された明色を効率よく評価することができる。
論文 参考訳(メタデータ) (2023-12-20T15:20:25Z) - SPIDeRS: Structured Polarization for Invisible Depth and Reflectance
Sensing [35.5218951183781]
偏光パターン(SPIDeRS)を用いた第1深度・反射率検出法である構造化偏光を導入する。
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。
我々は、偏光度オブジェクトの外観から投影された構造偏光パターンを頑健に抽出する新しい手法を導出する。
論文 参考訳(メタデータ) (2023-12-07T18:59:21Z) - NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。
本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
論文 参考訳(メタデータ) (2023-11-22T06:28:30Z) - 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) - Physics-based Indirect Illumination for Inverse Rendering [70.27534648770057]
本稿では,複数視点のRGB画像からシーンの照明,幾何学,材料を学習する物理ベースの逆レンダリング手法を提案する。
副産物として、我々の物理ベースの逆レンダリングモデルは、フレキシブルでリアルな素材編集やリライティングを容易にする。
論文 参考訳(メタデータ) (2022-12-09T07:33:49Z) - 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) - NeRFReN: Neural Radiance Fields with Reflections [16.28256369376256]
我々は、NeRF上に構築されたNeRFReNを導入し、リフレクションのあるシーンをモデル化する。
本稿では,シーンを伝送・反射するコンポーネントに分割し,2つのコンポーネントを別個の神経放射場でモデル化することを提案する。
様々な自撮りシーンの実験により,本手法は高品質な新規ビュー合成と物理音響深度推定を達成できることが示されている。
論文 参考訳(メタデータ) (2021-11-30T09:36:00Z) - 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。