論文の概要: A digital twin based approach to smart lighting design

• arxiv url: http://arxiv.org/abs/2407.08741v1
• Date: Wed, 8 May 2024 06:35:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 13:48:17.429601
• Title: A digital twin based approach to smart lighting design
• Title（参考訳）: ディジタルツインを用いたスマート照明設計
• Authors: Elham Mohammadrezaei, Alexander Giovannelli, Logan Lane, Denis Gracanin,
• Abstract要約: 実世界の没入型バーチャル・リアリティー・デジタル・ツイン(仮想環境)を利用したスマート照明設計へのデジタルツインベースのアプローチについて述べる。 得られた87%以上の類似度値は,提案手法の有用性を示している。
• 参考スコア（独自算出の注目度）: 42.503862632876285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lighting has a critical impact on user mood and behavior, especially in architectural settings. Consequently, smart lighting design is a rapidly growing research area. We describe a digital twin-based approach to smart lighting design that uses an immersive virtual reality digital twin equivalent (virtual environment) of the real world, physical architectural space to explore the visual impact of light configurations. The CLIP neural network is used to obtain a similarity measure between a photo of the physical space with the corresponding rendering in the virtual environment. A case study was used to evaluate the proposed design process. The obtained similarity value of over 87% demonstrates the utility of the proposed approach.
• Abstract（参考訳）: 照明は、特にアーキテクチャ設定において、ユーザーのムードや振る舞いに重大な影響を与えます。 そのため、スマート照明デザインは急速に発展している研究分野である。 実世界の没入型バーチャル・リアリティー・デジタル・ツイン(仮想環境)を利用したスマート照明設計へのディジタル・ツインベースのアプローチについて述べる。 CLIPニューラルネットワークは、物理空間の写真と仮想環境における対応するレンダリングとの類似度の測定に使用される。 提案した設計プロセスの評価にケーススタディを用いた。 得られた87%以上の類似度値は,提案手法の有用性を示している。

関連論文リスト

• LitAR: Visually Coherent Lighting for Mobile Augmented Reality [24.466149552743516]
  本稿では,LitARという照明再建フレームワークの設計と実装について述べる。 LitARは、モバイルARの照明情報をサポートするいくつかの課題に対処する。
  論文  参考訳（メタデータ） (2023-01-15T20:47:38Z)
• Learning to Relight Portrait Images via a Virtual Light Stage and Synthetic-to-Real Adaptation [76.96499178502759]
  Relightingは、イメージ内の人物を、ターゲットの照明のある環境に現れたかのように再照らすことを目的としている。 最近の手法は、高品質な結果を得るためにディープラーニングに依存している。 そこで本研究では,光ステージを必要とせずに,SOTA(State-of-the-art Relighting Method)と同等に動作可能な新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-21T17:15:58Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• Spatially and color consistent environment lighting estimation using deep neural networks for mixed reality [1.1470070927586016]
  本稿では,複合現実環境における複雑な照明を推定するためのCNNモデルを提案する。 我々は,RGB画像を入力し,環境照明をリアルタイムで認識する新しいCNNアーキテクチャを提案する。 CNNアーキテクチャは,SH照明係数を比較する際に,平均2乗誤差(MSE)をnum7.85e-04の平均2乗誤差(MSE)で予測できることを示す。
  論文  参考訳（メタデータ） (2021-08-17T23:03:55Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
  個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。 推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
  論文  参考訳（メタデータ） (2020-08-06T08:23:19Z)
• IllumiNet: Transferring Illumination from Planar Surfaces to Virtual Objects in Augmented Reality [38.83696624634213]
  本稿では,学習による実環境における仮想物体の照明推定手法を提案する。 一つのRGB画像が与えられた場合、シーンの平面面から抽出した照明特徴を所望のジオメトリに転送することで、信頼度の高い仮想オブジェクトを直接推測する。
  論文  参考訳（メタデータ） (2020-07-12T13:11:14Z)
• A study of the effect of the illumination model on the generation of synthetic training datasets [4.238220229373858]
  レンダリングソフトウェアで使用される照明モデルが生成した画像の品質に与える影響について検討する。 私たちは8つのトレーニングセットを作成しました。それぞれが異なる照明モデルで、それらを3つの異なるネットワークアーキテクチャでテストしました。
  論文  参考訳（メタデータ） (2020-06-15T23:22:24Z)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)

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。