論文の概要: GNeRP: Gaussian-guided Neural Reconstruction of Reflective Objects with Noisy Polarization Priors

• arxiv url: http://arxiv.org/abs/2403.11899v1
• Date: Mon, 18 Mar 2024 15:58:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 19:40:35.788119
• Title: GNeRP: Gaussian-guided Neural Reconstruction of Reflective Objects with Noisy Polarization Priors
• Title（参考訳）: GNeRP:雑音偏光先行した反射物体のガウス誘導ニューラル再構成
• Authors: LI Yang, WU Ruizheng, LI Jiyong, CHEN Ying-cong,
• Abstract要約: ニューラルレイディアンス場(NeRF)からの学習面がマルチビューステレオ(MVS)の話題となった 近年の手法は、ランバートのシーンの正確な3次元形状を復元する能力を示した。 しかし、反射シーンにおけるそれらの結果は、特異な放射率と複雑な幾何学の絡み合いにより満足できない。
• 参考スコア（独自算出の注目度）: 8.8400072344375
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Learning surfaces from neural radiance field (NeRF) became a rising topic in Multi-View Stereo (MVS). Recent Signed Distance Function (SDF)-based methods demonstrated their ability to reconstruct accurate 3D shapes of Lambertian scenes. However, their results on reflective scenes are unsatisfactory due to the entanglement of specular radiance and complicated geometry. To address the challenges, we propose a Gaussian-based representation of normals in SDF fields. Supervised by polarization priors, this representation guides the learning of geometry behind the specular reflection and captures more details than existing methods. Moreover, we propose a reweighting strategy in the optimization process to alleviate the noise issue of polarization priors. To validate the effectiveness of our design, we capture polarimetric information, and ground truth meshes in additional reflective scenes with various geometry. We also evaluated our framework on the PANDORA dataset. Comparisons prove our method outperforms existing neural 3D reconstruction methods in reflective scenes by a large margin.
• Abstract（参考訳）: ニューラルレイディアンス場(NeRF)からの学習面は、MVS(Multi-View Stereo)の話題となった。 近年のサインド・ディスタンス・ファンクション (SDF) を用いた手法は, ランバートのシーンの正確な3次元形状を復元する能力を示した。 しかし、反射シーンにおけるそれらの結果は、特異な放射率と複雑な幾何学の絡み合いにより満足できない。 そこで本研究では,SDF分野における正規表現のガウス的表現を提案する。 偏光の先行によって監督されるこの表現は、鏡面反射の背後にある幾何学の学習をガイドし、既存の方法よりも多くの詳細を捉えている。 さらに,偏光前処理のノイズ問題を緩和する最適化プロセスにおける重み付け戦略を提案する。 設計の有効性を検証するため,様々な形状の反射シーンで偏光情報と地中真理メッシュをキャプチャする。 また,PANDORAデータセット上でのフレームワークの評価を行った。 提案手法は,反射シーンにおける既存の3次元再構成法よりも大きなマージンで優れていることを示す。

関連論文リスト

• ND-SDF: Learning Normal Deflection Fields for High-Fidelity Indoor Reconstruction [50.07671826433922]
  微妙な幾何を同時に復元し、異なる特徴を持つ領域をまたいだ滑らかさを保つことは自明ではない。 そこで我々は,ND-SDFを提案する。ND-SDFは,通常のシーンとそれ以前のシーンの角偏差を表す正規偏向場を学習する。 本手法は, 壁面や床面などのスムーズなテクスチャ構造を得るだけでなく, 複雑な構造の幾何学的詳細も保存する。
  論文  参考訳（メタデータ） (2024-08-22T17:59:01Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
  NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。 偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。 我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
  論文  参考訳（メタデータ） (2024-06-11T09:53:18Z)
• UniSDF: Unifying Neural Representations for High-Fidelity 3D Reconstruction of Complex Scenes with Reflections [92.38975002642455]
  大規模な複雑なシーンをリフレクションで再構成できる汎用3次元再構成手法UniSDFを提案する。 提案手法は,複雑な大規模シーンを細部と反射面で頑健に再構築することができる。
  論文  参考訳（メタデータ） (2023-12-20T18:59:42Z)
• SpecNeRF: Gaussian Directional Encoding for Specular Reflections [43.110815974867315]
  近接場照明条件下でのビュー依存効果をより良くモデル化するための学習可能なガウス方向符号化法を提案する。 我々の新しい指向性符号化は、近接場照明の空間的に変化する性質を捉え、事前フィルタされた環境マップの挙動をエミュレートする。 これにより、粗さ係数の異なる任意の3次元位置において、事前変換された明色を効率よく評価することができる。
  論文  参考訳（メタデータ） (2023-12-20T15:20:25Z)
• RNb-NeuS: Reflectance and Normal-based Multi-View 3D Reconstruction [3.1820300989695833]
  本稿では,光度ステレオにより得られる多視点反射率と正規写像を統合するための多目的パラダイムを提案する。 提案手法では, 反射率と正規度の画素ワイドな共同パラメータ化を, 放射光のベクトルとして用いた。 これは、高い曲率または低い視認性を持つ領域の詳細な3D再構成を大幅に改善する。
  論文  参考訳（メタデータ） (2023-12-02T19:49:27Z)
• MonoSDF: Exploring Monocular Geometric Cues for Neural Implicit Surface Reconstruction [72.05649682685197]
  最先端のニューラル暗黙法は、多くの入力ビューから単純なシーンの高品質な再構築を可能にする。 これは主に、十分な制約を提供していないRGB再構築損失の固有の曖昧さによって引き起こされる。 近年の単分子形状予測の分野での進歩に触発され, ニューラルな暗黙的表面再構成の改善にこれらの方法が役立つかを探究する。
  論文  参考訳（メタデータ） (2022-06-01T17:58:15Z)
• PANDORA: Polarization-Aided Neural Decomposition Of Radiance [20.760987175553655]
  逆レンダリングはコンピュータグラフィックスとビジョンの基本的な問題である。 座標ベースニューラルネットワークとしてのシーン特性の最近の進歩は、ニューラルネットワークの逆レンダリングを促進している。 暗黙的ニューラル表現に基づく偏光逆レンダリング手法であるPANDORAを提案する。
  論文  参考訳（メタデータ） (2022-03-25T05:41:52Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• Deep Polarization Imaging for 3D shape and SVBRDF Acquisition [7.86578678811226]
  偏光キューを用いた3次元物体の形状と空間的反射率を効率よく取得する新しい手法を提案する。 偏光イメージングを深層学習と組み合わせることで,物体や物体の出現を一定の制約下で推定する従来の研究と異なり,このような制約を解消する。 我々は,フラッシュ照明とともにディープラーニングを用いた最近の研究と比較して,優れた結果を得るためのアプローチを実証する。
  論文  参考訳（メタデータ） (2021-05-06T17:58:43Z)

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。