論文の概要: Self-calibrating Photometric Stereo by Neural Inverse Rendering

• arxiv url: http://arxiv.org/abs/2207.07815v1
• Date: Sat, 16 Jul 2022 02:46:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-20 07:27:05.332576
• Title: Self-calibrating Photometric Stereo by Neural Inverse Rendering
• Title（参考訳）: ニューラルインバースレンダリングによる自己キャリブレーション型測光ステレオ
• Authors: Junxuan Li and Hongdong Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 88.67603644930466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper tackles the task of uncalibrated photometric stereo for 3D object reconstruction, where both the object shape, object reflectance, and lighting directions are unknown. This is an extremely difficult task, and the challenge is further compounded with the existence of the well-known generalized bas-relief (GBR) ambiguity in photometric stereo. Previous methods to resolve this ambiguity either rely on an overly simplified reflectance model, or assume special light distribution. We propose a new method that jointly optimizes object shape, light directions, and light intensities, all under general surfaces and lights assumptions. The specularities are used explicitly to solve uncalibrated photometric stereo via a neural inverse rendering process. We gradually fit specularities from shiny to rough using novel progressive specular bases. Our method leverages a physically based rendering equation by minimizing the reconstruction error on a per-object-basis. Our method demonstrates state-of-the-art accuracy in light estimation and shape recovery on real-world datasets.
• Abstract（参考訳）: 本稿では, 物体形状, 物体反射率, 照明方向が不明な3次元物体復元のための無補間測光ステレオの課題について述べる。 これは非常に難しい課題であり、この課題は光度ステレオにおけるよく知られた一般化されたbas-relief(GBR)あいまいさの存在とさらに複雑である。 この曖昧さを解決する以前の方法は、過度に単純化された反射率モデルに依存するか、特別な光分布を仮定する。 本研究では,物体形状,光方向,光強度を共同で最適化する新しい手法を提案する。 スペクティリティは、神経逆レンダリングプロセスを介して、非共役フォトメトリックステレオを明示的に解くために使用される。 我々は、新しい進歩的スペクティラーベースを用いて、徐々に明度を明度から粗さに適合させる。 本手法は,物体ごとの復元誤差を最小化することにより,物理式に基づくレンダリング式を活用する。 本手法は,実世界のデータセットにおける光推定と形状復元における最先端の精度を示す。

関連論文リスト

• MERLiN: Single-Shot Material Estimation and Relighting for Photometric Stereo [26.032964551717548]
  光度ステレオは通常、表面の正常を正確に回復するために複数の光源を含む複雑なデータ取得装置を必要とする。 MERLiNは、単一の画像ベースの逆レンダリングとリライトを単一の統合フレームワークに統合したアテンションベースの時間ガラスネットワークである。
  論文  参考訳（メタデータ） (2024-09-01T09:32:03Z)
• 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)
• Edge-preserving Near-light Photometric Stereo with Neural Surfaces [76.50065919656575]
  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。
  論文  参考訳（メタデータ） (2022-07-11T04:51:43Z)
• Universal Photometric Stereo Network using Global Lighting Contexts [4.822598110892846]
  本論文は、ユニバーサル測光ステレオと呼ばれる新しい測光ステレオタスクに取り組む。 様々な形状や素材の物体に対して、特定のモデルを仮定することなく、任意の照明のバリエーションで機能することが想定されている。
  論文  参考訳（メタデータ） (2022-06-06T09:32:06Z)
• Multi-view 3D Reconstruction of a Texture-less Smooth Surface of Unknown Generic Reflectance [86.05191217004415]
  表面反射率の不明なテクスチャレス物体の多視点再構成は難しい課題である。 本稿では,コライトスキャナーをベースとした,この問題に対するシンプルで堅牢な解法を提案する。
  論文  参考訳（メタデータ） (2021-05-25T01:28:54Z)
• 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)
• 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)
• A CNN Based Approach for the Near-Field Photometric Stereo Problem [26.958763133729846]
  我々は、フォトメトリックステレオにおける現実的な仮定を処理できる最初のCNNベースのアプローチを提案する。 我々は、遠距離場光度ステレオに対するディープニューラルネットワークの最近の改良を活用し、ニアフィールド設定に適応する。 本手法は, 合成実験と実実験の両方において, 最先端の近距離場光度ステレオ法より優れる。
  論文  参考訳（メタデータ） (2020-09-12T13:28:28Z)

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。