論文の概要: ESR-NeRF: Emissive Source Reconstruction Using LDR Multi-view Images
- arxiv url: http://arxiv.org/abs/2404.15707v2
- Date: Fri, 7 Jun 2024 01:20:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-10 19:18:14.443834
- Title: ESR-NeRF: Emissive Source Reconstruction Using LDR Multi-view Images
- Title（参考訳）: ESR-NeRF:LDR多視点画像を用いた音源再構成
- Authors: Jinseo Jeong, Junseo Koo, Qimeng Zhang, Gunhee Kim,
- Abstract要約: 本稿では,ニューラルネットワークを学習可能な関数として活用し,レイトレーシング場を表現する新しいアプローチであるESR-NeRFを提案する。
提案手法は,DTUデータセット上の低CD測定値を達成するため,送信源のないシーンに適用性も拡張する。
- 参考スコア（独自算出の注目度）: 34.56816355944334
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing NeRF-based inverse rendering methods suppose that scenes are exclusively illuminated by distant light sources, neglecting the potential influence of emissive sources within a scene. In this work, we confront this limitation using LDR multi-view images captured with emissive sources turned on and off. Two key issues must be addressed: 1) ambiguity arising from the limited dynamic range along with unknown lighting details, and 2) the expensive computational cost in volume rendering to backtrace the paths leading to final object colors. We present a novel approach, ESR-NeRF, leveraging neural networks as learnable functions to represent ray-traced fields. By training networks to satisfy light transport segments, we regulate outgoing radiances, progressively identifying emissive sources while being aware of reflection areas. The results on scenes encompassing emissive sources with various properties demonstrate the superiority of ESR-NeRF in qualitative and quantitative ways. Our approach also extends its applicability to the scenes devoid of emissive sources, achieving lower CD metrics on the DTU dataset.
- Abstract（参考訳）: 既存のNeRFベースの逆レンダリング手法では、シーンは遠方の光源によってのみ照らされ、シーン内の放射源の影響を無視する。
本研究では,LDRマルチビュー画像に送信源をオン/オフにすることで,この制限に直面している。
2つの重要な問題に対処する必要がある。
1)未知の光の詳細とともに、限られたダイナミックレンジから生じるあいまいさ
2) 最終的な物体色に繋がる経路を後付けするために, ボリュームレンダリングの高価な計算コストがかかる。
本稿では,ニューラルネットワークを学習可能な関数として活用し,レイトレーシング場を表現する新しいアプローチであるESR-NeRFを提案する。
光輸送セグメントを満たすためにネットワークを訓練することにより、放射源を徐々に特定し、反射領域を認識しながら、発信する放射光を規制する。
その結果,ESR-NeRFの質的・定量的な優位性が示された。
提案手法は,DTUデータセット上の低CD測定値を達成するため,送信源のないシーンに適用性も拡張する。
関連論文リスト
- Depth Supervised Neural Surface Reconstruction from Airborne Imagery [0.6749750044497732]
本研究では, ナディルのみ, 斜め, 高解像度画像など, 異なる特徴を示す空中画像ブロックに対するNeRFの適用性について検討した。
我々の研究は、署名された距離関数(SDF)による3次元シーンをモデル化する最先端のフレームワークであるVolSDFに基づいている。
評価のために、NeRFベースの再構成は、空中画像のための公開ベンチマークデータセットの結果と比較される。
論文 参考訳（メタデータ） (2024-04-25T09:02:11Z) - Reti-Diff: Illumination Degradation Image Restoration with Retinex-based
Latent Diffusion Model [59.08821399652483]
照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。
これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。
我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。
Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
論文 参考訳（メタデータ） (2023-11-20T09:55:06Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - Head Rotation in Denoising Diffusion Models [0.0]
本研究は,最も複雑な編集作業の1つである顔の回転に着目した。
提案手法は,データセットの潜在表現の雲を近似するトラジェクトリの計算を利用する。
特定のトラジェクトリは、ソース画像と重要な属性を共有するデータのサブセットに解析を限定することで得られる。
論文 参考訳（メタデータ） (2023-08-11T10:14:22Z) - A Conditional Denoising Diffusion Probabilistic Model for Radio
Interferometric Image Reconstruction [4.715025376297672]
可視・画像条件付き拡散確率モデルであるVIC-DDPMを提案する。
本研究の主な目的は、スペクトル領域における元の可視データと空間領域における汚れ画像の両方を用いて、DDPMによる画像生成プロセスのガイドを行うことである。
提案手法は, 成果物を低減し, 細部を保存し, ディムソースを復元することにより, 得られた画像を大幅に改善することを示す。
論文 参考訳（メタデータ） (2023-05-16T03:00:04Z) - Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。
DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
論文 参考訳（メタデータ） (2023-05-15T20:24:38Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - StegaNeRF: Embedding Invisible Information within Neural Radiance Fields [61.653702733061785]
我々は、NeRFレンダリングにステガノグラフィー情報を埋め込む方法であるStegaNeRFを提案する。
我々は、NeRFで描画された画像から正確な隠れ情報抽出を可能にする最適化フレームワークを設計する。
StegaNeRFは、NeRFレンダリングにカスタマイズ可能で、認識不能で、回復不能な情報を注入する新しい問題に対する最初の調査である。
論文 参考訳（メタデータ） (2022-12-03T12:14:19Z)
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。