論文の概要: Ref-NeuS: Ambiguity-Reduced Neural Implicit Surface Learning for Multi-View Reconstruction with Reflection

• arxiv url: http://arxiv.org/abs/2303.10840v2
• Date: Mon, 17 Jul 2023 07:24:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 22:50:36.836336
• Title: Ref-NeuS: Ambiguity-Reduced Neural Implicit Surface Learning for Multi-View Reconstruction with Reflection
• Title（参考訳）: Ref-NeuS:反射を用いた多視点再構成のためのあいまいさによるニューラルインプリシトサーフェスラーニング
• Authors: Wenhang Ge and Tao Hu and Haoyu Zhao and Shu Liu and Ying-Cong Chen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 24.23826907954389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural implicit surface learning has shown significant progress in multi-view 3D reconstruction, where an object is represented by multilayer perceptrons that provide continuous implicit surface representation and view-dependent radiance. However, current methods often fail to accurately reconstruct reflective surfaces, leading to severe ambiguity. To overcome this issue, we propose Ref-NeuS, which aims to reduce ambiguity by attenuating the effect of reflective surfaces. Specifically, we utilize an anomaly detector to estimate an explicit reflection score with the guidance of multi-view context to localize reflective surfaces. Afterward, we design a reflection-aware photometric loss that adaptively reduces ambiguity by modeling rendered color as a Gaussian distribution, with the reflection score representing the variance. We show that together with a reflection direction-dependent radiance, our model achieves high-quality surface reconstruction on reflective surfaces and outperforms the state-of-the-arts by a large margin. Besides, our model is also comparable on general surfaces.
• Abstract（参考訳）: ニューラルな暗黙的表面学習は、連続的な暗黙的表面表現とビュー依存放射量を提供する多層パーセプトロンによって物体が表現される多視点3D再構成において顕著な進歩を示している。 しかし、現在の手法では反射面の正確な再構成に失敗し、重度の曖昧さを生じさせることが多い。 この問題を解決するために,反射面の効果を減衰させることにより曖昧さを低減することを目的としたRef-NeuSを提案する。 具体的には, 反射面の局所化を目的とし, 反射率を推定するために異常検出器を用いる。 その後,色調をガウス分布としてモデル化し,その差分を表す反射スコアを適応的に低減する反射型測光損失を設計する。 反射方向依存性の放射能と合わせて, 反射面の高品質な表面再構成を達成し, 最先端技術を大きく上回っていることを示す。 さらに、我々のモデルは一般曲面にも匹敵する。

関連論文リスト

• Planar Reflection-Aware Neural Radiance Fields [32.709468082010126]
  我々は、窓などの平面反射体を共同でモデル化し、反射光を明示的に鋳造して高周波反射源を捉える反射型NeRFを提案する。 一次光線に沿ってレンダリングすると、きれいで反射のないビューとなり、一方、反射光線に沿って明示的にレンダリングすることで、非常に詳細な反射を再構成することができる。
  論文  参考訳（メタデータ） (2024-11-07T18:55:08Z)
• Photometric Inverse Rendering: Shading Cues Modeling and Surface Reflectance Regularization [46.146783750386994]
  本稿では,ニューラル・リバース・レンダリングの新しい手法を提案する。 画像の自己陰影を考慮した光源位置の最適化を行う。 表面反射率の分解性を高めるために,新しい正則化を導入する。
  論文  参考訳（メタデータ） (2024-08-13T11:39:14Z)
• NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
  NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。 偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。 我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
  論文  参考訳（メタデータ） (2024-06-11T09:53:18Z)
• 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)
• UniSDF: Unifying Neural Representations for High-Fidelity 3D Reconstruction of Complex Scenes with Reflections [92.38975002642455]
  大規模な複雑なシーンをリフレクションで再構成できる汎用3次元再構成手法UniSDFを提案する。 提案手法は,複雑な大規模シーンを細部と反射面で頑健に再構築することができる。
  論文  参考訳（メタデータ） (2023-12-20T18:59:42Z)
• Diffusion Reflectance Map: Single-Image Stochastic Inverse Rendering of Illumination and Reflectance [19.20790327389337]
  反射は、物体の外観における照明の周波数スペクトルを束縛する。 本稿では,照明の減衰周波数スペクトルを既知の幾何の物体の反射率とともに復元する第1逆レンダリング法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:50:00Z)
• Predicting Surface Reflectance Properties of Outdoor Scenes Under Unknown Natural Illumination [6.767885381740952]
  本稿では,未知の自然照明下での屋外シーンの表面反射特性を予測するための完全な枠組みを提案する。 BRDFの入射光と出射方向を含む2つの構成成分に問題を再計算します。 反射率特性の予測によるレンダリングが視覚的にテクスチャと類似していることを示す実験を行った。
  論文  参考訳（メタデータ） (2021-05-14T13:31:47Z)
• Location-aware Single Image Reflection Removal [54.93808224890273]
  本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。 我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。 位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-12-13T19:34:35Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)

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。