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
- 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) - Geometry-Guided Ray Augmentation for Neural Surface Reconstruction with
Sparse Views [11.879175599630859]
スパース多視点画像から3次元シーンとオブジェクトを再構成する新しい手法を提案する。
提案手法はRay Augmentation(RayAug)と呼ばれ,事前トレーニングを必要とせず,DTUおよびBlenderデータセット上で優れた結果が得られる。
論文 参考訳(メタデータ) (2023-10-09T07:42:33Z) - Anti-Aliased Neural Implicit Surfaces with Encoding Level of Detail [54.03399077258403]
本稿では,高頻度幾何細部リカバリとアンチエイリアス化された新しいビューレンダリングのための効率的なニューラル表現であるLoD-NeuSを提案する。
我々の表現は、光線に沿った円錐状のフラストラム内の多面体化から空間特徴を集約する。
論文 参考訳(メタデータ) (2023-09-19T05:44:00Z) - 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) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - 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) - SIDER: Single-Image Neural Optimization for Facial Geometric Detail
Recovery [54.64663713249079]
SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。
以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
論文 参考訳(メタデータ) (2021-08-11T22:34:53Z) - 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。