論文の概要: OpenIllumination: A Multi-Illumination Dataset for Inverse Rendering Evaluation on Real Objects

• arxiv url: http://arxiv.org/abs/2309.07921v2
• Date: Thu, 1 Feb 2024 07:01:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 19:12:59.891191
• Title: OpenIllumination: A Multi-Illumination Dataset for Inverse Rendering Evaluation on Real Objects
• Title（参考訳）: OpenIllumination: 実物体の逆レンダリング評価のためのマルチイルミネーションデータセット
• Authors: Isabella Liu, Linghao Chen, Ziyang Fu, Liwen Wu, Haian Jin, Zhong Li, Chin Ming Ryan Wong, Yi Xu, Ravi Ramamoorthi, Zexiang Xu, Hao Su
• Abstract要約: 我々は,64個のオブジェクトの108K画像を含む実世界のデータセットであるOpenIlluminationを紹介した。 データセットの各画像に対して、正確なカメラパラメータ、照明場真理、前景セグメンテーションマスクを提供する。
• 参考スコア（独自算出の注目度）: 56.065616159398324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce OpenIllumination, a real-world dataset containing over 108K images of 64 objects with diverse materials, captured under 72 camera views and a large number of different illuminations. For each image in the dataset, we provide accurate camera parameters, illumination ground truth, and foreground segmentation masks. Our dataset enables the quantitative evaluation of most inverse rendering and material decomposition methods for real objects. We examine several state-of-the-art inverse rendering methods on our dataset and compare their performances. The dataset and code can be found on the project page: https://oppo-us-research.github.io/OpenIllumination.
• Abstract（参考訳）: OpenIlluminationは、64個のオブジェクトの108K以上のイメージを多種多様な素材で格納し、72個のカメラビューと多数の異なるイルミネーションをキャプチャする現実世界のデータセットである。 データセットの各画像に対して、正確なカメラパラメータ、照明グランド真理、前景セグメンテーションマスクを提供する。 このデータセットは, 実物体に対する逆レンダリングおよび材料分解法を定量的に評価できる。 我々は,我々のデータセット上で最先端の逆レンダリング手法をいくつか検討し,その性能を比較した。 データセットとコードはプロジェクトページにある。 https://oppo-us-research.github.io/openillumination。

関連論文リスト

• 360 in the Wild: Dataset for Depth Prediction and View Synthesis [66.58513725342125]
  大規模な360$circ$ビデオデータセットを野放しに導入する。 このデータセットはインターネットから慎重に取り除かれ、世界中で様々な場所から収集されている。 データセットを構成する25K画像のそれぞれに、それぞれのカメラのポーズと深さマップが提供される。
  論文  参考訳（メタデータ） (2024-06-27T05:26:38Z)
• DESOBAv2: Towards Large-scale Real-world Dataset for Shadow Generation [19.376935979734714]
  本研究では,合成画像をよりリアルにするために,挿入された前景オブジェクトに対する可塑性影の生成に焦点をあてる。 既存の小規模なデータセットであるDESOBAを補完するために、DESOBAv2と呼ばれる大規模なデータセットを作成します。
  論文  参考訳（メタデータ） (2023-08-19T10:21:23Z)
• MOSE: A New Dataset for Video Object Segmentation in Complex Scenes [106.64327718262764]
  ビデオオブジェクトセグメンテーション(VOS)は、ビデオクリップシーケンス全体を通して特定のオブジェクトをセグメンテーションすることを目的としている。 最先端のVOSメソッドは、既存のデータセット上で優れたパフォーマンス(例えば、90%以上のJ&F)を達成した。 我々は、複雑な環境でのトラッキングとセグメンテーションを研究するために、coMplex video Object SEgmentation (MOSE)と呼ばれる新しいVOSデータセットを収集する。
  論文  参考訳（メタデータ） (2023-02-03T17:20:03Z)
• TransCG: A Large-Scale Real-World Dataset for Transparent Object Depth Completion and Grasping [46.6058840385155]
  我々は、透明な物体深度を補完する大規模な実世界のデータセットをコントリビュートする。 データセットには、130の異なるシーンから57,715枚のRGB-D画像が含まれている。 本稿では,RGB画像と不正確な深度マップを入力とし,精細化された深度マップを出力するエンド・ツー・エンドの深度補完ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-02-17T06:50:20Z)
• StereOBJ-1M: Large-scale Stereo Image Dataset for 6D Object Pose Estimation [43.839322860501596]
  本稿では,大規模なステレオRGB画像オブジェクトのポーズ推定データセットであるtextbfStereOBJ-1M$データセットを提案する。 このデータセットは、オブジェクトの透明性、透過性、スペキュラリフレクションといった困難なケースに対処するように設計されている。 複雑で柔軟な環境でデータをキャプチャできる多視点方式でポーズデータを効率的にアノテートする新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-21T11:56:38Z)
• A Categorized Reflection Removal Dataset with Diverse Real-world Scenes [54.662456878340215]
  我々は、分類され、多様で、現実世界(CDR)に分類された新しい反射除去データセットを構築する。 データセットは様々な環境下で様々なガラスタイプを使用して構築され、多様性が保証される。 現状の反射除去法は, 一般にぼやけた反射に対して良好に機能するが, 他の種類の実世界の反射に対する満足度は得られないことを示す。
  論文  参考訳（メタデータ） (2021-08-07T06:56:57Z)
• The Cube++ Illumination Estimation Dataset [50.58610459038332]
  本稿では,新しい照明推定データセットを提案する。 照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。 データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
  論文  参考訳（メタデータ） (2020-11-19T18:50:08Z)

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。