論文の概要: Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry from Sparse Low Dynamic Range Panoramic Images

• arxiv url: http://arxiv.org/abs/2312.15942v2
• Date: Fri, 23 Feb 2024 21:27:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 00:21:00.197087
• Title: Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry from Sparse Low Dynamic Range Panoramic Images
• Title（参考訳）: pano-nerf: 低ダイナミックレンジパノラマ画像からの幾何による高ダイナミックレンジ新規ビューの合成
• Authors: Zhan Lu, Qian Zheng, Boxin Shi, Xudong Jiang
• Abstract要約: そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。 実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
• 参考スコア（独自算出の注目度）: 82.1477261107279
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Panoramic imaging research on geometry recovery and High Dynamic Range (HDR) reconstruction becomes a trend with the development of Extended Reality (XR). Neural Radiance Fields (NeRF) provide a promising scene representation for both tasks without requiring extensive prior data. However, in the case of inputting sparse Low Dynamic Range (LDR) panoramic images, NeRF often degrades with under-constrained geometry and is unable to reconstruct HDR radiance from LDR inputs. We observe that the radiance from each pixel in panoramic images can be modeled as both a signal to convey scene lighting information and a light source to illuminate other pixels. Hence, we propose the irradiance fields from sparse LDR panoramic images, which increases the observation counts for faithful geometry recovery and leverages the irradiance-radiance attenuation for HDR reconstruction. Extensive experiments demonstrate that the irradiance fields outperform state-of-the-art methods on both geometry recovery and HDR reconstruction and validate their effectiveness. Furthermore, we show a promising byproduct of spatially-varying lighting estimation. The code is available at https://github.com/Lu-Zhan/Pano-NeRF.
• Abstract（参考訳）: パノラマ画像による幾何回復と高ダイナミックレンジ(HDR)再構成の研究は、拡張現実感(XR)の発展とともにトレンドとなる。 Neural Radiance Fields (NeRF)は、広範囲の事前データを必要とせずに、両方のタスクに有望なシーン表現を提供する。 しかし、スパース低ダイナミックレンジ(LDR)パノラマ画像の入力の場合、NeRFはしばしば非拘束形状で劣化し、LDR入力からHDR放射率を再構成することができない。 パノラマ画像中の各画素からの放射を、シーン照明情報を伝える信号と、他の画素を照らす光源の両方としてモデル化することができる。 そこで本研究では, 忠実な幾何復元のための観測回数を増加させ, HDR再構成のための照度減衰を利用したスパースLDRパノラマ画像からの照度場を提案する。 広汎な実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れ、その効果が検証された。 さらに,空間変動照明推定の有望な副産物を示す。 コードはhttps://github.com/Lu-Zhan/Pano-NeRFで公開されている。

関連論文リスト

• Cinematic Gaussians: Real-Time HDR Radiance Fields with Depth of Field [23.92087253022495]
  放射場法は、多視点写真から複雑なシーンを再構成する際の技法の状態を表現している。 ピンホールカメラモデルへの依存は、すべてのシーン要素が入力画像に集中していると仮定し、実用的な課題を提示し、新規な視点合成において再焦点を複雑にする。 様々な露光時間,開口の放射率,焦点距離を多視点LDR画像を用いて高ダイナミックレンジシーンを再構成する3Dガウススメッティングに基づく軽量解析手法を提案する。
  論文  参考訳（メタデータ） (2024-06-11T15:00:24Z)
• Towards High-quality HDR Deghosting with Conditional Diffusion Models [88.83729417524823]
  高ダイナミックレンジ(LDR)画像は、既存のディープニューラルネットワーク(DNN)技術により、複数の低ダイナミックレンジ(LDR)画像から復元することができる。 DNNは、LDR画像が飽和度と大きな動きを持つ場合、ゴーストアーティファクトを生成する。 拡散モデルの条件としてLDR特徴を利用する画像生成としてHDRデゴースト問題を定式化する。
  論文  参考訳（メタデータ） (2023-11-02T01:53:55Z)
• GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
  そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。 鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。 実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T15:42:08Z)
• Single-Image HDR Reconstruction by Multi-Exposure Generation [8.656080193351581]
  本稿では,HDR再構成のための物理画像形成過程を逆転する弱教師付き学習手法を提案する。 我々のニューラルネットワークは、複数の露光を合成する前に画素照射を再構成するためにカメラ応答を反転させることができる。 実験の結果,提案手法はHDR画像の再構成を効果的に行うことができることがわかった。
  論文  参考訳（メタデータ） (2022-10-28T05:12:56Z)
• HDR-NeRF: High Dynamic Range Neural Radiance Fields [70.80920996881113]
  我々は、低ダイナミックレンジ(LDR)ビューの集合からHDR放射界を異なる露光で復元するために、高ダイナミックレンジニューラルレイディアンス場(-NeRF)を提案する。 異なる露出下で、新しいHDRビューと新しいLDRビューの両方を生成することができる。
  論文  参考訳（メタデータ） (2021-11-29T11:06:39Z)
• Luminance Attentive Networks for HDR Image and Panorama Reconstruction [37.364335148790005]
  低ダイナミックレンジ(LDR)画像から高逆範囲を不適切な問題として再構成することは困難である。 本稿では,1つのLDR画像からHDR再構成を行うために,LANetという減衰輝度ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-09-14T13:44:34Z)
• Beyond Visual Attractiveness: Physically Plausible Single Image HDR Reconstruction for Spherical Panoramas [60.24132321381606]
  我々は,単発hdr再構成フレームワークに物理的照度制約を導入する。 本手法は,視覚に訴えるだけでなく,物理的に妥当なHDRを生成することができる。
  論文  参考訳（メタデータ） (2021-03-24T01:51:19Z)
• HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with Large Motions [62.44802076971331]
  マルチ露光LDR画像からHDR画像を合成するための新しいGANモデルHDR-GANを提案する。 本手法は,敵対学習を取り入れることで,欠落したコンテンツのある領域に忠実な情報を生成することができる。
  論文  参考訳（メタデータ） (2020-07-03T11:42:35Z)

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。