論文の概要: Tree-Structured Shading Decomposition

• arxiv url: http://arxiv.org/abs/2309.07122v1
• Date: Wed, 13 Sep 2023 17:57:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 13:11:55.333840
• Title: Tree-Structured Shading Decomposition
• Title（参考訳）: 木構造シェーディング分解
• Authors: Chen Geng, Hong-Xing Yu, Sharon Zhang, Maneesh Agrawala, Jiajun Wu
• Abstract要約: オブジェクトシェーディングのための単一画像から木構造表現を推定する。 合成画像、キャプチャされた反射率、実画像、非現実的ベクトル描画について実験を行った。
• 参考スコア（独自算出の注目度）: 34.43642665973908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study inferring a tree-structured representation from a single image for object shading. Prior work typically uses the parametric or measured representation to model shading, which is neither interpretable nor easily editable. We propose using the shade tree representation, which combines basic shading nodes and compositing methods to factorize object surface shading. The shade tree representation enables novice users who are unfamiliar with the physical shading process to edit object shading in an efficient and intuitive manner. A main challenge in inferring the shade tree is that the inference problem involves both the discrete tree structure and the continuous parameters of the tree nodes. We propose a hybrid approach to address this issue. We introduce an auto-regressive inference model to generate a rough estimation of the tree structure and node parameters, and then we fine-tune the inferred shade tree through an optimization algorithm. We show experiments on synthetic images, captured reflectance, real images, and non-realistic vector drawings, allowing downstream applications such as material editing, vectorized shading, and relighting. Project website: https://chen-geng.com/inv-shade-trees
• Abstract（参考訳）: 対象のシェーディングのための単一の画像から木構造表現を推定する。 事前の作業は通常、モデルシェーディングにパラメトリックまたは測定された表現を使用するが、これは解釈も編集も容易ではない。 本稿では,基本的なシェーディングノードと合成メソッドを組み合わせたシェードツリー表現を用いて,オブジェクト表面シェーディングを分解する手法を提案する。 シェードツリー表現は、物理的シェーディングプロセスに慣れていない初心者ユーザーが効率よく直感的にオブジェクトシェーディングを編集することを可能にする。 シェードツリーを推定する際の大きな課題は、推測問題は、離散ツリー構造とツリーノードの連続パラメータの両方に関係していることである。 この問題に対処するためのハイブリッドアプローチを提案する。 我々は,木構造とノードパラメータを大まかに推定する自動回帰推論モデルを導入し,最適化アルゴリズムを用いて推定した日陰ツリーを微調整する。 合成画像,キャプチャ反射率,実画像,非現実的なベクトル描画について実験を行い,材料編集,ベクトルシェーディング,照明といった下流の応用を可能にした。 プロジェクトウェブサイト: https://chen-geng.com/inv-shade-trees

関連論文リスト

• Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
  メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。 我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
  論文  参考訳（メタデータ） (2024-02-06T07:40:53Z)
• ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained Visual Categorization [56.37520969273242]
  細かな視覚分類のための新しいアプローチであるViTreeを紹介する。 ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。 このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
  論文  参考訳（メタデータ） (2024-01-30T14:32:25Z)
• DeepTree: Modeling Trees with Situated Latents [8.372189962601073]
  そこで本研究では,木を手作業で定義するのではなく,分岐構造に対する発達規則を学習する手法を提案する。 我々は、その振る舞いが本質的な状態によって決定されるため、潜伏状態にあるディープニューラルモデル(deep Neural model)と呼ぶ。 本手法では,複雑なパラメータを定義することなく,多様な木形を生成することができる。
  論文  参考訳（メタデータ） (2023-05-09T03:33:14Z)
• Structure-Unified M-Tree Coding Solver for MathWord Problem [57.825176412485504]
  従来,数式表現の2次木構造を考慮に入れたモデルでは,性能が向上した。 本稿では、出力構造を統一するために、任意のM枝(M-tree)を持つ木を適用した構造統一M-Tree符号化(S-UMCr)を提案する。 広く使われているMAWPSとMath23Kデータセットの実験結果は、SUMC-rが複数の最先端モデルを上回るだけでなく、低リソース条件下でもはるかに優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2022-10-22T12:20:36Z)
• Controllable Shadow Generation Using Pixel Height Maps [58.59256060452418]
  物理ベースのシャドウレンダリング法は3次元のジオメトリーを必要とするが、必ずしも利用できない。 深層学習に基づく影合成法は、光情報から物体の影へのマッピングを、影の幾何学を明示的にモデル化することなく学習する。 オブジェクト,グラウンド,カメラのポーズ間の相関を符号化する新しい幾何学的表現であるピクセルハイを導入する。
  論文  参考訳（メタデータ） (2022-07-12T08:29:51Z)
• Some theoretical results on discrete contour trees [3.1963310035729657]
  我々は、スカラーグラフ上にアイソツリーと呼ばれる離散輪郭木を定義する。 アイソツリーモデルがすべての次元のデータに対して有効であることを示し、離散輪郭構造を定式化する公理系を開発する。
  論文  参考訳（メタデータ） (2022-06-24T07:31:11Z)
• Structural Learning of Simple Staged Trees [2.3572498744567127]
  そこで,本研究では,単純な樹木の分類のための構造学習アルゴリズムについて紹介する。 データ学習された単純な木は、しばしばモデル適合性においてベイズネットワークを上回っていることを示す。
  論文  参考訳（メタデータ） (2022-03-08T20:50:39Z)
• Cut-and-Paste Object Insertion by Enabling Deep Image Prior for Reshading [12.710258955529705]
  我々は、ある画像から別の画像にオブジェクトを挿入する方法を示し、ハードケースで現実的な結果を得る。 幾何学的および物理的モデルを必要としない挿入対象物のシェーディング不整合を補正する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-12T17:59:55Z)
• Physics-based Shading Reconstruction for Intrinsic Image Decomposition [20.44458250060927]
  物理モデルから導出したアルベドおよびシェーディング勾配記述子を提案する。 学習自由な教師なし方法で対応するRGB画像勾配から直接、初期スパースシェーディングマップを算出する。 フル密度シェーディングマップを再構築する最適化手法を提案する。 我々はシェーディング推定のテクスチャと強度のあいまいさ問題に直接対処する最初の人物である。
  論文  参考訳（メタデータ） (2020-09-03T09:30:17Z)
• PT2PC: Learning to Generate 3D Point Cloud Shapes from Part Tree Conditions [66.87405921626004]
  本稿では,シンボル部分木表現から3次元形状点雲の幾何を生成するという新しい問題について検討する。 構造的および幾何学的要因を乱す条件付きGAN "part tree"-to-point cloud"モデル(PT2PC)を提案する。
  論文  参考訳（メタデータ） (2020-03-19T08:27:25Z)

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。