論文の概要: Designing An Illumination-Aware Network for Deep Image Relighting
- arxiv url: http://arxiv.org/abs/2207.10582v1
- Date: Thu, 21 Jul 2022 16:21:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-22 13:20:12.659982
- Title: Designing An Illumination-Aware Network for Deep Image Relighting
- Title(参考訳): 深部画像照明のための照明認識ネットワークの設計
- Authors: Zuo-Liang Zhu, Zhen Li, Rui-Xun Zhang, Chun-Le Guo, Ming-Ming Cheng
- Abstract要約: 本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。
さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。
実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
- 参考スコア(独自算出の注目度): 69.750906769976
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Lighting is a determining factor in photography that affects the style,
expression of emotion, and even quality of images. Creating or finding
satisfying lighting conditions, in reality, is laborious and time-consuming, so
it is of great value to develop a technology to manipulate illumination in an
image as post-processing. Although previous works have explored techniques
based on the physical viewpoint for relighting images, extensive supervisions
and prior knowledge are necessary to generate reasonable images, restricting
the generalization ability of these works. In contrast, we take the viewpoint
of image-to-image translation and implicitly merge ideas of the conventional
physical viewpoint. In this paper, we present an Illumination-Aware Network
(IAN) which follows the guidance from hierarchical sampling to progressively
relight a scene from a single image with high efficiency. In addition, an
Illumination-Aware Residual Block (IARB) is designed to approximate the
physical rendering process and to extract precise descriptors of light sources
for further manipulations. We also introduce a depth-guided geometry encoder
for acquiring valuable geometry- and structure-related representations once the
depth information is available. Experimental results show that our proposed
method produces better quantitative and qualitative relighting results than
previous state-of-the-art methods. The code and models are publicly available
on https://github.com/NK-CS-ZZL/IAN.
- Abstract(参考訳): 照明は、写真のスタイル、感情の表現、さらには画質に影響を及ぼす決定的な要素である。
実際には、照明条件の作成や発見は手間がかかり、時間を要するため、後処理として画像中の照明を操作する技術を開発することは極めて有用である。
以前の作品では、画像のリライトのための物理的視点に基づく技法を探求してきたが、合理的な画像を生成するには広範な監督と事前知識が必要であり、これらの作品の一般化能力は制限されている。
対照的に,画像から画像への翻訳の視点を取り,従来の物理的視点のアイデアを暗黙的にマージする。
本稿では,階層的サンプリングの指導に従い,高効率で1つの画像からシーンを段階的にリライトする照明認識ネットワーク (ian) を提案する。
さらに、イルミネーション対応残留ブロック(IARB)は、物理レンダリング過程を近似し、さらなる操作のために光源の正確な記述子を抽出するように設計されている。
また、深度情報が得られると、貴重な幾何および構造関連表現を取得するための深度誘導幾何エンコーダも導入する。
実験の結果,提案手法は従来の最先端手法よりも定量的で質的な再現性が向上することがわかった。
コードとモデルはhttps://github.com/NK-CS-ZZL/IANで公開されている。
関連論文リスト
- Materialist: Physically Based Editing Using Single-Image Inverse Rendering [50.39048790589746]
本稿では、学習に基づくアプローチとプログレッシブな微分可能レンダリングを組み合わせた手法を提案する。
提案手法は,より現実的な光物質相互作用,正確な影,大域的な照明を実現する。
また,全シーン形状を必要とせず,効果的に機能する材料透過性編集手法を提案する。
論文 参考訳(メタデータ) (2025-01-07T11:52:01Z) - Zero-Shot Low Light Image Enhancement with Diffusion Prior [2.102429358229889]
暗視画像変換タスクのための拡散モデルの生成挙動を制御・改善するための新しいゼロショット手法を提案する。
提案手法は,低照度画像強調作業における既存の最先端手法よりも優れた性能を示す。
論文 参考訳(メタデータ) (2024-12-18T00:31:18Z) - IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。
従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。
IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
論文 参考訳(メタデータ) (2024-12-16T18:52:56Z) - CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。
既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。
我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
論文 参考訳(メタデータ) (2024-04-08T07:34:39Z) - Learning to Relight Portrait Images via a Virtual Light Stage and
Synthetic-to-Real Adaptation [76.96499178502759]
Relightingは、イメージ内の人物を、ターゲットの照明のある環境に現れたかのように再照らすことを目的としている。
最近の手法は、高品質な結果を得るためにディープラーニングに依存している。
そこで本研究では,光ステージを必要とせずに,SOTA(State-of-the-art Relighting Method)と同等に動作可能な新しい手法を提案する。
論文 参考訳(メタデータ) (2022-09-21T17:15:58Z) - Physically Inspired Dense Fusion Networks for Relighting [45.66699760138863]
物理的洞察でニューラルネットワークを豊かにするモデルを提案する。
2つの異なる戦略により、新しい照明設定でリライト画像を生成します。
提案手法は,よく知られた忠実度指標と知覚的損失の点で,最先端手法を上回ることができることを示す。
論文 参考訳(メタデータ) (2021-05-05T17:33:45Z) - Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。
本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。
我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
論文 参考訳(メタデータ) (2020-10-17T23:40:43Z) - Deep Relighting Networks for Image Light Source Manipulation [37.15283682572421]
本研究では,1)シーンの再現,2)影の事前推定,3)再レンダリングの3つの部分からなる新しいDeep Relighting Network(DRN)を提案する。
実験の結果,提案手法は質的,定量的に,他の方法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-08-19T07:03:23Z) - Towards Geometry Guided Neural Relighting with Flash Photography [26.511476565209026]
本稿では,深層学習を用いた深度マップを用いた1枚のフラッシュ写真から画像のリライティングを行うフレームワークを提案する。
本研究は,本質的な画像分解と画像リライティングにおける最先端の画像ベースアプローチに対する幾何学的アプローチの利点を実験的に検証する。
論文 参考訳(メタデータ) (2020-08-12T08:03:28Z) - Burst Denoising of Dark Images [19.85860245798819]
超暗い生画像からクリーンでカラフルなRGB画像を得るためのディープラーニングフレームワークを提案する。
我々のフレームワークのバックボーンは、プログレッシブな方法で高品質な出力を生成する新しい粗いネットワークアーキテクチャである。
実験により,提案手法は最先端の手法よりも知覚的により満足な結果をもたらすことが示された。
論文 参考訳(メタデータ) (2020-03-17T17:17:36Z)
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。