論文の概要: Recasting Regional Lighting for Shadow Removal

• arxiv url: http://arxiv.org/abs/2402.00341v1
• Date: Thu, 1 Feb 2024 05:08:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 16:23:41.592909
• Title: Recasting Regional Lighting for Shadow Removal
• Title（参考訳）: 影除去のための地域照明のリキャスト
• Authors: Yuhao Liu, Zhanghan Ke, Ke Xu, Fang Liu, Zhenwei Wang, Rynson W.H. Lau
• Abstract要約: 影領域では、物体テクスチャの劣化度は局所照明に依存する。 影領域の照明層と反射層を推定するシャドーアウェア分解ネットワークを提案する。 次に、照明層における影領域の照明をリキャストする新たな二元補正ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 41.107191352835315
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Removing shadows requires an understanding of both lighting conditions and object textures in a scene. Existing methods typically learn pixel-level color mappings between shadow and non-shadow images, in which the joint modeling of lighting and object textures is implicit and inadequate. We observe that in a shadow region, the degradation degree of object textures depends on the local illumination, while simply enhancing the local illumination cannot fully recover the attenuated textures. Based on this observation, we propose to condition the restoration of attenuated textures on the corrected local lighting in the shadow region. Specifically, We first design a shadow-aware decomposition network to estimate the illumination and reflectance layers of shadow regions explicitly. We then propose a novel bilateral correction network to recast the lighting of shadow regions in the illumination layer via a novel local lighting correction module, and to restore the textures conditioned on the corrected illumination layer via a novel illumination-guided texture restoration module. We further annotate pixel-wise shadow masks for the public SRD dataset, which originally contains only image pairs. Experiments on three benchmarks show that our method outperforms existing state-of-the-art shadow removal methods.
• Abstract（参考訳）: シャドウを取り除くには、シーンの照明条件と物体のテクスチャの両方を理解する必要がある。 既存の方法では、影と非陰影画像の間のピクセルレベルのカラーマッピングを学習し、光と物体のテクスチャの合同モデリングは暗黙的かつ不十分である。 影領域では, 局所的な照明の劣化度は局所的な照明に依存するが, 局所的な照明の強化は減衰したテクスチャを完全に回復できない。 この観測に基づいて,影領域の修正局所照明に減衰したテクスチャの復元を条件付けることを提案する。 具体的には,まずシャドウ領域の照明層と反射層を明示的に推定するシャドウアウェア分解ネットワークを設計する。 次に,新しい局所照明補正モジュールを用いて照明層内の影領域の照明を再鋳造し,新しい照明誘導テクスチャ復元モジュールを用いて補正した照明層で条件付けられたテクスチャを復元する新しいバイラテラル補正ネットワークを提案する。 さらに,画像ペアのみを含む公開srdデータセットに対して,ピクセル単位のシャドーマスクをアノテートする。 3つのベンチマーク実験により,本手法は既存のシャドウ除去方法よりも優れていることが示された。

関連論文リスト

• OmniSR: Shadow Removal under Direct and Indirect Lighting [16.90413085184936]
  間接照明からのシャドウ除去における重要な課題は、シャドウ除去ネットワークを訓練するためのシャドウフリー画像を取得することである。 直接的および間接的な照明下で影のない画像を生成するための新しいレンダリングパイプラインを提案する。 また,結合と注意機構を通じて意味的および幾何学的先行を明示的に統合する,革新的なシャドウ除去ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-10-02T16:30:10Z)
• COMPOSE: Comprehensive Portrait Shadow Editing [25.727386174616868]
  COMPOSEは人間の肖像画のための新しい影編集パイプラインである。 形状、強度、位置などの影の属性を正確に制御する。 我々は,(1)この光源表現を画像から予測し,(2)この表現を用いて現実的な影を生成するモデルを訓練した。
  論文  参考訳（メタデータ） (2024-08-25T19:18:18Z)
• SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and Illumination Removal in High-Illuminance Scenes [51.50157919750782]
  本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。 間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。 強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
  論文  参考訳（メタデータ） (2023-10-19T10:44:23Z)
• Neural Fields meet Explicit Geometric Representation for Inverse Rendering of Urban Scenes [62.769186261245416]
  本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。 具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
  論文  参考訳（メタデータ） (2023-04-06T17:51:54Z)
• Structure-Informed Shadow Removal Networks [67.57092870994029]
  既存のディープラーニングベースのシャドウ除去手法は、依然として影の残像を持つ画像を生成する。 本稿では,影残差問題に対処するために,画像構造情報を活用する構造インフォームド・シャドウ除去ネットワーク(StructNet)を提案する。 我々の手法は既存のシャドウ除去方法よりも優れており、StructNetは既存の手法と統合してさらに改善することができる。
  論文  参考訳（メタデータ） (2023-01-09T06:31:52Z)
• Estimating Reflectance Layer from A Single Image: Integrating Reflectance Guidance and Shadow/Specular Aware Learning [66.36104525390316]
  本稿では,2段階の学習手法を提案し,その課題に対処するためのリフレクタンスガイダンスとシャドウ/スペック・アウェア(S-Aware)ネットワークを提案する。 第1段階では、新規な損失の制約を伴い、影や特異性のない初期反射層を得る。 第二段改良において、反射層が影や特異点に依存しないようにさらに強制するために、入力画像と反射像を区別するS-Awareネットワークを導入する。
  論文  参考訳（メタデータ） (2022-11-27T07:26:41Z)
• Geometry-aware Single-image Full-body Human Relighting [37.381122678376805]
  単一イメージの人間のリライティングは、入力画像をアルベド、形状、照明に分解することで、新たな照明条件下でターゲットの人間をリライティングすることを目的としている。 それまでの方法は、アルベドと照明の絡み合いと、硬い影の欠如に悩まされていた。 我々のフレームワークは、難易度の高い照明条件下で、キャストシャドウのような光現実性の高い高周波影を生成することができる。
  論文  参考訳（メタデータ） (2022-07-11T10:21:02Z)
• Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
  本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。 1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
  論文  参考訳（メタデータ） (2022-05-19T06:44:37Z)
• SIDNet: Learning Shading-aware Illumination Descriptor for Image Harmonization [10.655037947250516]
  画像調和は、背景との互換性を高めるために前景の外観を調整することを目的としている。 画像調和タスクを,1)背景画像の照度推定と2)背景照明下の前景オブジェクトの再レンダリングの2つのサブプロブレムに分解する。
  論文  参考訳（メタデータ） (2021-12-02T15:18:29Z)

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。