論文の概要: NeISF: Neural Incident Stokes Field for Geometry and Material Estimation

• arxiv url: http://arxiv.org/abs/2311.13187v2
• Date: Wed, 29 Nov 2023 08:22:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 03:01:58.527225
• Title: NeISF: Neural Incident Stokes Field for Geometry and Material Estimation
• Title（参考訳）: NeISF: 形状と材料推定のためのニューラルネットワークインシデントストークスフィールド
• Authors: Chenhao Li, Taishi Ono, Takeshi Uemori, Hajime Mihara, Alexander Gatto, Hajime Nagahara, Yusuke Moriuchi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 50.588983686271284
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-view inverse rendering is the problem of estimating the scene parameters such as shapes, materials, or illuminations from a sequence of images captured under different viewpoints. Many approaches, however, assume single light bounce and thus fail to recover challenging scenarios like inter-reflections. On the other hand, simply extending those methods to consider multi-bounced light requires more assumptions to alleviate the ambiguity. To address this problem, we propose Neural Incident Stokes Fields (NeISF), a multi-view inverse rendering framework that reduces ambiguities using polarization cues. The primary motivation for using polarization cues is that it is the accumulation of multi-bounced light, providing rich information about geometry and material. Based on this knowledge, the proposed incident Stokes field efficiently models the accumulated polarization effect with the aid of an original physically-based differentiable polarimetric renderer. Lastly, experimental results show that our method outperforms the existing works in synthetic and real scenarios.
• Abstract（参考訳）: 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。 しかし、多くのアプローチは単一光のバウンスを想定しており、反射間の挑戦的なシナリオを回復することができない。 一方、これらの手法を単にマルチバウンス光に拡張するには、曖昧さを軽減するためにより多くの仮定が必要である。 この問題に対処するため,多視点逆レンダリングフレームワークであるNeISF(Neural Incident Stokes Fields)を提案する。 偏光キューを使用する主な動機は、多面体光の蓄積であり、幾何学や材料についての豊富な情報を提供することである。 この知識に基づき、提案する入射ストークス場は、物理ベースの微分可能偏光レンダラの支援により累積偏光効果を効率的にモデル化する。 最後に,本手法が既存の合成・実シナリオよりも優れていることを示す。

関連論文リスト

• SS-SfP:Neural Inverse Rendering for Self Supervised Shape from (Mixed) Polarization [21.377923666134116]
  偏光の形状 (SfP) は偏光の形状 (SfP) として知られる問題である。 単視点偏光画像から物体やシーンの3次元形状(画素表面の正規度と深さ)を推定する逆レンダリングに基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-12T14:29:00Z)
• NePF: Neural Photon Field for Single-Stage Inverse Rendering [6.977356702921476]
  多視点画像の逆レンダリングに対処するために,新しい単一ステージフレームワークNePF(Neural Photon Field)を提案する。 NePFは、神経暗黙表面の重み関数の背後にある物理的意味を完全に活用することで、この統一を実現する。 我々は本手法を実データと合成データの両方で評価する。
  論文  参考訳（メタデータ） (2023-11-20T06:15:46Z)
• Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
  画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。 既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。 本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-30T12:39:28Z)
• NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field Indirect Illumination [48.42173911185454]
  逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。 本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-03-29T12:05:19Z)
• DANI-Net: Uncalibrated Photometric Stereo by Differentiable Shadow Handling, Anisotropic Reflectance Modeling, and Neural Inverse Rendering [75.86523223933912]
  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。 異方性シャドーハンドリングと異方性リフレクタンスモデリングを備えた逆レンダリングフレームワークであるDANI-Netを提案する。 我々のネットワークは、2つの異なる経路を通る影と異方性反射の手がかりから恩恵を受ける。
  論文  参考訳（メタデータ） (2023-03-27T11:10:54Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
  微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。 微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。 定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
  論文  参考訳（メタデータ） (2021-04-01T09:29:05Z)

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。