論文の概要: Edge-preserving Near-light Photometric Stereo with Neural Surfaces

• arxiv url: http://arxiv.org/abs/2207.04622v1
• Date: Mon, 11 Jul 2022 04:51:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-13 01:24:24.861111
• Title: Edge-preserving Near-light Photometric Stereo with Neural Surfaces
• Title（参考訳）: 神経表面を有するエッジ保存近接光量ステレオ
• Authors: Heng Guo, Hiroaki Santo, Boxin Shi, Yasuyuki Matsushita
• Abstract要約: 近光光度ステレオで解析的に微分可能なニューラルサーフェスを導入し、シャープ深度エッジでの微分誤差を回避する。 合成シーンと実世界のシーンの両方で実験を行い, エッジ保存による詳細な形状復元法の有効性を実証した。
• 参考スコア（独自算出の注目度）: 76.50065919656575
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a near-light photometric stereo method that faithfully preserves sharp depth edges in the 3D reconstruction. Unlike previous methods that rely on finite differentiation for approximating depth partial derivatives and surface normals, we introduce an analytically differentiable neural surface in near-light photometric stereo for avoiding differentiation errors at sharp depth edges, where the depth is represented as a neural function of the image coordinates. By further formulating the Lambertian albedo as a dependent variable resulting from the surface normal and depth, our method is insusceptible to inaccurate depth initialization. Experiments on both synthetic and real-world scenes demonstrate the effectiveness of our method for detailed shape recovery with edge preservation.
• Abstract（参考訳）: 本稿では3次元再構成におけるシャープ深度を忠実に保存する近光測光ステレオ法を提案する。 深度偏微分や表面正規化を近似するために有限微分に依存する従来の方法とは異なり、近光光度ステレオで解析的に微分可能な神経表面を導入し、深度を画像座標の神経関数として表現する鋭い深さエッジにおける微分誤差を回避する。 さらに、ランベルシャン・アルベドを、表面の正規化と深さから生じる依存変数として定式化することで、深さ初期化の正確性が低下する。 合成シーンと実世界のシーンの両方で実験を行い,エッジ保存による形状復元法の有効性を実証した。

関連論文リスト

• 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)
• 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)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery [54.64663713249079]
  SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。 以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
  論文  参考訳（メタデータ） (2021-08-11T22:34:53Z)
• Differentiable Surface Rendering via Non-Differentiable Sampling [19.606523934811577]
  本稿では,明暗表現と暗示表現の両方をサポートする3次元曲面の微分可能レンダリング法を提案する。 ニューラルレイディアンス場(NeRF)から抽出したアイソの高速で微分可能なレンダリングを初めて示し, ボリュームベースではなく, 表面ベースでNeRFのレンダリングを実証した。
  論文  参考訳（メタデータ） (2021-08-10T19:25:06Z)
• Depth Completion with Twin Surface Extrapolation at Occlusion Boundaries [16.773787000535645]
  前景深度と背景深度の両方を明示的にモデル化するマルチ仮説深度表現を提案する。 この手法の鍵となるのは、新しい双曲面表現で機能する非対称損失関数の利用である。 メソッドを3つの異なるデータセットで検証します。
  論文  参考訳（メタデータ） (2021-04-06T02:36:35Z)
• 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)

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。