論文の概要: An Optimal Experimental Design Approach for Light Configurations in
Photometric Stereo
- arxiv url: http://arxiv.org/abs/2204.05218v1
- Date: Mon, 11 Apr 2022 16:01:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 17:39:09.168555
- Title: An Optimal Experimental Design Approach for Light Configurations in
Photometric Stereo
- Title(参考訳): フォトメトリックステレオにおける光配置の最適実験設計法
- Authors: Hamza Gardi, Sebastian F. Walter, Christoph S. Garbe
- Abstract要約: 本稿では,異なる照明位置下で得られた画像の集合から物体の表面の正常性を求める手法を提案する。
この手法は、光度ステレオ(PS)の原理と最適実験設計(OED)と特徴付けを組み合わせたものである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a technique for finding the surface normal of an object
from a set of images obtained under different lighting positions. The method
presented is based on the principles of Photometric Stereo (PS) combined with
Optimum Experimental Design (OED) and Parameter Estimation (PE). Unclear by the
approach of photometric stereo, and many models based thereon, is how to
position the light sources. So far, this is done by using heuristic approaches
this leads to suboptimal and non-data driven positioning of the light sources.
But what if the optimal positions of the light sources are calculated for
photometric stereo? To this end, in this contribution, the effect of
positioning the light sources on the quality of the normal vector for PS is
evaluated. Furthermore, a new approach in this direction is derived and
formulated. For the calculation of the surface normal of a Lambertian surface,
the approach based on calibrated photometric stereo; for the estimation the
optimal position of the light sources the approach is premised on parameter
estimation and optimum experimental design. The approach is tested using
synthetic and real-data. Based on results it can be seen that the surface
normal estimated with the new method is more detailed than with conventional
methods.
- Abstract(参考訳): 本稿では,異なる照明位置下で得られた画像の集合から物体の表面の正常性を求める手法を提案する。
提案手法は,光度ステレオ(PS)と最適実験設計(OED)とパラメータ推定(PE)を組み合わせた原理に基づいている。
フォトメトリックステレオのアプローチとそれに基づく多くのモデルによって明らかでないのは、光源の位置の決め方である。
これまでのところ、これは光源の最適・非データ駆動的な位置決めにつながるヒューリスティックなアプローチを用いて行われる。
しかし、光源の最適な位置が測光ステレオで計算されたらどうだろう?
この目的のために、PSの正規ベクトルの品質に対する光源の位置決めの効果を評価する。
さらに、この方向の新しいアプローチが導出され、定式化される。
ランベルト面の表面正規性の計算には、キャリブレーションされた測光ステレオに基づくアプローチがあり、光源の最適位置を推定するためには、パラメータ推定と最適実験設計を前提としている。
このアプローチは合成データと実データを使ってテストされる。
結果から, 従来法に比べて, 従来法よりも表面標準値がより詳細に推定されていることが分かる。
関連論文リスト
- A Neural Height-Map Approach for the Binocular Photometric Stereo
Problem [36.404880059833324]
双眼鏡測光ステレオ(PS)フレームワークは単視PSと同じ取得速度を持つが、推定幾何の質は著しく向上する。
本手法は両眼立体装置に適応したDiLiGenT-MVデータセットの最先端性能と新しい両眼測光ステレオデータセットLUCES-STを実現する。
論文 参考訳(メタデータ) (2023-11-10T09:45:53Z) - OSPC: Online Sequential Photometric Calibration [0.0]
測光キャリブレーションは多くのコンピュータビジョンアプリケーションに必須である。
逐次推定手法を用いて,測光パラメータの解法を提案する。
論文 参考訳(メタデータ) (2023-05-28T09:44:58Z) - Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。
深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
論文 参考訳(メタデータ) (2022-12-16T11:27:44Z) - A CNN Based Approach for the Point-Light Photometric Stereo Problem [26.958763133729846]
本稿では、遠距離場光度ステレオにおける深部ニューラルネットワークの最近の改良を活用して、現実的な仮定を処理できるCNNベースのアプローチを提案する。
われわれのアプローチは、DiLiGenT実世界のデータセットの最先端よりも優れている。
近距離点光源PSデータに対する我々のアプローチの性能を測定するため、LUCESを「近距離点光のための最初の実世界のデータセット」として紹介する。
論文 参考訳(メタデータ) (2022-10-10T12:57:12Z) - 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) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳(メタデータ) (2021-03-22T18:06:58Z) - GMLight: Lighting Estimation via Geometric Distribution Approximation [86.95367898017358]
本稿では,効率的な照明推定のための回帰ネットワークと生成プロジェクタを用いた照明推定フレームワークを提案する。
幾何学的な光の分布、光強度、周囲条件、および補助深さの点から照明シーンをパラメータ化し、純粋な回帰タスクとして推定します。
推定照明パラメータを用いて、生成プロジェクタはパノラマ照明マップを現実的な外観と周波数で合成する。
論文 参考訳(メタデータ) (2021-02-20T03:31:52Z) - Learning Inter- and Intra-frame Representations for Non-Lambertian
Photometric Stereo [14.5172791293107]
2段階の畳み込みニューラルネットワーク(CNN)アーキテクチャを構築し、フレーム間およびフレーム内表現を構築します。
フレーム間およびフレーム間特徴抽出モジュールを配置する最適スキームを特定するために,ネットワーク設計の代替案を多数検討した。
論文 参考訳(メタデータ) (2020-12-26T11:22:56Z) - Uncalibrated Neural Inverse Rendering for Photometric Stereo of General
Surfaces [103.08512487830669]
本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。
既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。
本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
論文 参考訳(メタデータ) (2020-12-12T10:33:08Z) - Deep Photometric Stereo for Non-Lambertian Surfaces [89.05501463107673]
我々は、PS-FCNと呼ばれる、校正された測光ステレオのための完全な畳み込みディープネットワークを導入する。
PS-FCNは反射率観測から表面正規へのマッピングを学習し、一般的な等方反射率と未知の等方反射率で表面を処理できる。
光方向が不明な未定のシナリオに対処するため、入力画像から光方向を推定するLCNetという新しい畳み込みネットワークを導入する。
論文 参考訳(メタデータ) (2020-07-26T15:20:53Z)
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。