論文の概要: NeIF: Representing General Reflectance as Neural Intrinsics Fields for Uncalibrated Photometric Stereo

• arxiv url: http://arxiv.org/abs/2208.08897v1
• Date: Thu, 18 Aug 2022 15:11:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-19 13:53:20.744924
• Title: NeIF: Representing General Reflectance as Neural Intrinsics Fields for Uncalibrated Photometric Stereo
• Title（参考訳）: NeIF:未校正光度ステレオの一般反射をニューラル固有場として表現する
• Authors: Zongrui Li, Qian Zheng, Feishi Wang, Boxin Shi, Gang Pan, Xudong Jiang
• Abstract要約: 非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 本稿では,光の手がかりと光推定との暗黙の関係を確立し,教師なしの方法でUPSを解く。
• 参考スコア（独自算出の注目度）: 70.71400320657035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Uncalibrated photometric stereo (UPS) is challenging due to the inherent ambiguity brought by unknown light. Existing solutions alleviate the ambiguity by either explicitly associating reflectance to light conditions or resolving light conditions in a supervised manner. This paper establishes an implicit relation between light clues and light estimation and solves UPS in an unsupervised manner. The key idea is to represent the reflectance as four neural intrinsics fields, \ie, position, light, specular, and shadow, based on which the neural light field is implicitly associated with light clues of specular reflectance and cast shadow. The unsupervised, joint optimization of neural intrinsics fields can be free from training data bias as well as accumulating error, and fully exploits all observed pixel values for UPS. Our method achieves a superior performance advantage over state-of-the-art UPS methods on public and self-collected datasets, under regular and challenging setups. The code will be released soon.
• Abstract（参考訳）: 非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 既存の解は、光条件への反射を明示的に関連付けるか、監督された方法で光条件を解消することによって曖昧さを緩和する。 本稿では,光手がかりと光推定の暗黙の関係を確立し,教師なしの方法でUPSを解く。 キーとなるアイデアは、反射を4つの神経内在界、すなわち、位置、光、スペクトル、影として表現することであり、そこでは、神経の光場が、スペクトル反射と鋳造影の光の手がかりと暗黙的に関連付けられている。 ニューラルネットワークフィールドの教師なし共同最適化は、トレーニングデータバイアスや累積誤差から解放され、UPSのすべての観測画素値を完全に活用することができる。 提案手法は,正規かつ挑戦的な設定の下で,公開および自己コンパイルされたデータセット上での最先端UPS手法よりも優れた性能を実現する。 コードはまもなくリリースされる。

関連論文リスト

• Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
  非視線画像(NLOS)は、その潜在的な応用により注目されている。 既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。 本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2024-09-21T04:39:45Z)
• Spin-UP: Spin Light for Natural Light Uncalibrated Photometric Stereo [68.90962272268793]
  Natural Light Uncalibrated Photometric Stereo (NaUPS) は、古典的uncalibrated Photometric Stereo (UPS) 法における厳密な環境と光仮定を緩和する。 既存の作業は環境光やオブジェクトの材料に強い仮定を課し、より一般的なシナリオにおける有効性を制限する。 我々は,様々な環境光や物体のNaUPSに対処するための教師なし手法であるSpin-UP(Spin Light Uncalibrated Photometric Stereo)を提案する。
  論文  参考訳（メタデータ） (2024-04-02T03:29:23Z)
• Aleth-NeRF: Illumination Adaptive NeRF with Concealing Field Assumption [65.96818069005145]
  照明効果を考慮した「コンシーリング場」の概念を導入する。 暗黒のシナリオでは、物体の放出は標準的な照明レベルを維持するが、レンダリング中に空気を横切ると減衰する。 評価のために、難解な照明条件下で得られた総合的な多視点データセットを提案する。
  論文  参考訳（メタデータ） (2023-12-14T16:24:09Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• 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)
• Unsupervised Low-Light Image Enhancement via Histogram Equalization Prior [40.61944814314655]
  HEP (Equalization prior) と呼ばれる実効的事前ヒストグラムに基づく教師なし低照度画像強調手法を提案する。 反射率マップのノイズと内容を、未確認クリーンな画像の信頼性のある助けを借りてアンタングルするノイズ・ディアンタングメント・モジュール(NDM)を導入する。 本手法は、最先端の教師なし低照度化アルゴリズムに対して好適に動作し、最先端の教師付きアルゴリズムに適合する。
  論文  参考訳（メタデータ） (2021-12-03T07:51:08Z)
• A New Dimension in Testimony: Relighting Video with Reflectance Field Exemplars [1.069384486725302]
  本研究では,同じ被験者の平坦な環境下で照らされた映像の4次元反射場を推定する学習手法を提案する。 入力映像の照明環境を推定し、被写体の反射場を用いて入力照明環境によって照らされた被写体の合成画像を作成する。 本手法はホロコーストの生存者の映像上で評価し,現実性と速度の両面で最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-06T20:29:06Z)

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。