論文の概要: Detection and Mapping of Specular Surfaces Using Multibounce Lidar Returns

• arxiv url: http://arxiv.org/abs/2209.03336v1
• Date: Wed, 7 Sep 2022 17:49:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-08 12:59:53.071244
• Title: Detection and Mapping of Specular Surfaces Using Multibounce Lidar Returns
• Title（参考訳）: マルチバウンスlidarリターンを用いた鏡面の検出とマッピング
• Authors: Connor Henley, Siddharth Somasundaram, Joseph Hollmann and Ramesh Raskar
• Abstract要約: 本稿では,従来のライダーシステムでは見えないような特異面の検出とマッピングを行うために,マルチバウンス・ライダー・リターンを用いた手法を提案する。 我々は、これらの多重バウンス返却の時間と角度を、特異面上の散乱点に関連付ける式を導出する。 また、表面反射が表面の後方にある物体から散乱する光と混ざり合うような透明な特異面の特殊な場合についても検討する。
• 参考スコア（独自算出の注目度）: 9.500516898619303
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose methods that use specular, multibounce lidar returns to detect and map specular surfaces that might be invisible to conventional lidar systems that rely on direct, single-scatter returns. We derive expressions that relate the time- and angle-of-arrival of these multibounce returns to scattering points on the specular surface, and then use these expressions to formulate techniques for retrieving specular surface geometry when the scene is scanned by a single beam or illuminated with a multi-beam flash. We also consider the special case of transparent specular surfaces, for which surface reflections can be mixed together with light that scatters off of objects lying behind the surface.
• Abstract（参考訳）: そこで,本研究では, 単一散乱リターンに依存する従来のライダーシステムでは見えないような, 特異面の検出とマッピングを行う手法を提案する。 我々は,これらの多面体リターンの時間的および角度的関係を鏡面上の散乱点に関連づけた表現を導出し,これらの表現を用いて,映像を単一ビームで走査したり,複数ビームフラッシュで照らした際に鏡面形状を求める手法を定式化する。 また,表面反射を表面の後方に散乱する物体から散乱する光と混合できる透明な鏡面の特別な場合についても考察する。

関連論文リスト

• Multi-times Monte Carlo Rendering for Inter-reflection Reconstruction [51.911195773164245]
  逆レンダリング法は、非絡み合ったジオメトリー、材料、環境光で高忠実度3Dオブジェクトを再構成する際、顕著な性能を実現している。 環境照明を総合的に計算するマルチタイムモンテカルロサンプリングを導入したRef-MC2を提案する。 また,本手法のアンタングル化能力を示すために,リライティングや素材編集などのダウンストリームアプリケーションも紹介する。
  論文  参考訳（メタデータ） (2024-07-08T09:27:34Z)
• REFRAME: Reflective Surface Real-Time Rendering for Mobile Devices [51.983541908241726]
  本研究は,様々な場面にまたがる反射面に対して,リアルタイムな新規ビュー合成を実現するための課題に取り組む。 既存のリアルタイムレンダリング手法、特にメッシュに基づくレンダリングは、リッチなビュー依存の外観を持つモデリングサーフェスにおいて、サブパーパフォーマンスを持つことが多い。 色を拡散およびスペクトルに分解し、ニューラル環境マップに基づいて反射方向のスペクトル色をモデル化する。
  論文  参考訳（メタデータ） (2024-03-25T07:07:50Z)
• NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
  多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。 本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
  論文  参考訳（メタデータ） (2023-11-22T06:28:30Z)
• Self-Calibrating, Fully Differentiable NLOS Inverse Rendering [15.624750787186803]
  NLOS(Time-resolved Non-line-of-Sight)イメージングは、可視光線面で測定された間接照明の光路を反転させることで、隠れたシーンを再構成する。 隠れたシーンの再構成において、画像パラメータを自己校正する完全微分可能なNLOS逆レンダリングパイプラインを導入する。 本手法のロバスト性は, 高い騒音レベル下であっても, 幾何とアルベドを一貫して再構成するものである。
  論文  参考訳（メタデータ） (2023-09-21T13:15:54Z)
• Neural Relighting with Subsurface Scattering by Learning the Radiance Transfer Gradient [73.52585139592398]
  本稿では,ボリュームレンダリングによる放射移動場学習のための新しいフレームワークを提案する。 我々は、我々のコードと、地下散乱効果を持つ新しい光ステージのオブジェクトデータセットを公開します。
  論文  参考訳（メタデータ） (2023-06-15T17:56:04Z)
• Factored-NeuS: Reconstructing Surfaces, Illumination, and Materials of Possibly Glossy Objects [46.04357263321969]
  提案する多視点画像からシーンの表面, 材料, 照明を復元する手法を開発した。 追加のデータは必要ないし、光沢のあるオブジェクトや明るい照明も扱える。
  論文  参考訳（メタデータ） (2023-05-29T07:44:19Z)
• Ref-NeuS: Ambiguity-Reduced Neural Implicit Surface Learning for Multi-View Reconstruction with Reflection [24.23826907954389]
  Ref-NeuSは反射面の効果を減衰させることで曖昧さを減らすことを目的としている。 本研究では,反射面上での高品質な表面再構成を実現し,その精度を高いマージンで向上することを示す。
  論文  参考訳（メタデータ） (2023-03-20T03:08:22Z)
• Neural Reflectance for Shape Recovery with Shadow Handling [88.67603644930466]
  本論文は,非ランベルト的かつ空間的に変化する表面材料を用いて,シーンの形状を復元することを目的とする。 本研究では, 未知の3次元形状と未知の面点の両方をパラメータ化するために, 座標に基づく深部反射率(多層パーセプトロン)を提案する。 このネットワークは、観測された光度差と表面上の影を利用して、表面形状と一般的な非ランベルト反射率の両方を回復することができる。
  論文  参考訳（メタデータ） (2022-03-24T07:57:20Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。