論文の概要: Photometric Inverse Rendering: Shading Cues Modeling and Surface Reflectance Regularization
- arxiv url: http://arxiv.org/abs/2408.06828v1
- Date: Tue, 13 Aug 2024 11:39:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-14 17:36:36.954576
- Title: Photometric Inverse Rendering: Shading Cues Modeling and Surface Reflectance Regularization
- Title（参考訳）: 光メトリック逆レンダリング:シェーディングキュースモデリングと表面反射率規則化
- Authors: Jingzhi Bao, Guanying Chen, Shuguang Cui,
- Abstract要約: 本稿では,ニューラル・リバース・レンダリングの新しい手法を提案する。
画像の自己陰影を考慮した光源位置の最適化を行う。
表面反射率の分解性を高めるために,新しい正則化を導入する。
- 参考スコア（独自算出の注目度）: 46.146783750386994
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of inverse rendering from photometric images. Existing approaches for this problem suffer from the effects of self-shadows, inter-reflections, and lack of constraints on the surface reflectance, leading to inaccurate decomposition of reflectance and illumination due to the ill-posed nature of inverse rendering. In this work, we propose a new method for neural inverse rendering. Our method jointly optimizes the light source position to account for the self-shadows in images, and computes indirect illumination using a differentiable rendering layer and an importance sampling strategy. To enhance surface reflectance decomposition, we introduce a new regularization by distilling DINO features to foster accurate and consistent material decomposition. Extensive experiments on synthetic and real datasets demonstrate that our method outperforms the state-of-the-art methods in reflectance decomposition.
- Abstract（参考訳）: 本稿では,測光画像からの逆レンダリングの問題に対処する。
この問題の既存のアプローチは、自己陰影、相互反射の影響、および表面反射率に対する制約の欠如に悩まされ、逆レンダリングの不正な性質により反射率と照明の不正確な分解を引き起こす。
本研究では,ニューラル・リバース・レンダリングの新しい手法を提案する。
本手法は,画像中の自己陰影を考慮した光源位置を協調的に最適化し,異なるレンダリング層と重要なサンプリング戦略を用いて間接照明を算出する。
表面反射率の劣化を改善するために,DINO特性を蒸留することにより,高精度で一貫した材料分解を促進する新しい正則化を導入する。
合成データセットと実データセットの大規模な実験により、我々の手法は反射率分解における最先端の手法よりも優れていることが示された。
関連論文リスト
- NePF: Neural Photon Field for Single-Stage Inverse Rendering [6.977356702921476]
多視点画像の逆レンダリングに対処するために,新しい単一ステージフレームワークNePF(Neural Photon Field)を提案する。
NePFは、神経暗黙表面の重み関数の背後にある物理的意味を完全に活用することで、この統一を実現する。
我々は本手法を実データと合成データの両方で評価する。
論文 参考訳（メタデータ） (2023-11-20T06:15:46Z) - Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。
既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。
本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
論文 参考訳（メタデータ） (2023-09-30T12:39:28Z) - NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field
Indirect Illumination [48.42173911185454]
逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。
本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
論文 参考訳（メタデータ） (2023-03-29T12:05:19Z) - Physics-based Indirect Illumination for Inverse Rendering [70.27534648770057]
本稿では,複数視点のRGB画像からシーンの照明,幾何学,材料を学習する物理ベースの逆レンダリング手法を提案する。
副産物として、我々の物理ベースの逆レンダリングモデルは、フレキシブルでリアルな素材編集やリライティングを容易にする。
論文 参考訳（メタデータ） (2022-12-09T07:33:49Z) - Self-calibrating Photometric Stereo by Neural Inverse Rendering [88.67603644930466]
本稿では3次元オブジェクト再構成のための非校正光度ステレオの課題に取り組む。
本研究では,物体形状,光方向,光強度を協調的に最適化する手法を提案する。
本手法は,実世界のデータセット上での光推定と形状復元における最先端の精度を示す。
論文 参考訳（メタデータ） (2022-07-16T02:46:15Z) - Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。
微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。
定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文 参考訳（メタデータ） (2021-04-01T09:29:05Z) - Monocular Reconstruction of Neural Face Reflectance Fields [0.0]
顔の反射場は、複雑な照明効果の原因となる反射特性を記述する。
モノクル画像から顔の反射率を推定する既存の手法は、特異成分を加えるアプローチはほとんどないが、顔は拡散していると仮定している。
顔反射に対する新しいニューラル表現法を提案し、単一の単眼画像から最終出現に寄与する反射の全ての成分を推定する。
論文 参考訳（メタデータ） (2020-08-24T08:19:05Z)
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。