論文の概要: Deep image-based Adaptive BRDF Measure

• arxiv url: http://arxiv.org/abs/2410.02917v1
• Date: Thu, 3 Oct 2024 19:08:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-03 04:55:13.138548
• Title: Deep image-based Adaptive BRDF Measure
• Title（参考訳）: 深部画像に基づく適応BRDF測定
• Authors: Wen Cao,
• Abstract要約: 本稿では,高品質BRDF撮影に必要な試料数を最小化するための新しい手法を提案する。 軽量ニューラルネットワークはまず、解析的BRDFモデルのパラメータとサンプル位置の分布を推定する。 2番目のステップでは、画像ベースの損失を使用して、必要な精度を満たすために必要なサンプルの数を見つけます。
• 参考スコア（独自算出の注目度）: 4.114230450673087
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient and accurate measurement of the bi-directional reflectance distribution function (BRDF) plays a key role in high quality image rendering and physically accurate sensor simulation. However, obtaining the reflectance properties of a material is both time-consuming and challenging. This paper presents a novel method for minimizing the number of samples required for high quality BRDF capture using a gonio-reflectometer setup. Taking an image of the physical material sample as input a lightweight neural network first estimates the parameters of an analytic BRDF model, and the distribution of the sample locations. In a second step we use an image based loss to find the number of samples required to meet the accuracy required. This approach significantly accelerates the measurement process while maintaining a high level of accuracy and fidelity in the BRDF representation.
• Abstract（参考訳）: 双方向反射率分布関数(BRDF)の効率的かつ正確な測定は,高画質画像レンダリングや物理的に正確なセンサシミュレーションにおいて重要な役割を担っている。 しかし、材料の反射特性を得るには時間がかかり、困難である。 本稿では,ゴニオ反射計を用いた高品質BRDF撮影に必要な試料数を最小化する手法を提案する。 軽量ニューラルネットワークの入力として物理材料サンプルの画像をとると、まず解析的BRDFモデルのパラメータとサンプル位置の分布を推定する。 2番目のステップでは、画像ベースの損失を使用して、必要な精度を満たすために必要なサンプルの数を見つけます。 この手法はBRDF表現において高い精度と忠実さを維持しながら測定プロセスを著しく加速する。

関連論文リスト

• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Deep Learning based Optical Image Super-Resolution via Generative Diffusion Models for Layerwise in-situ LPBF Monitoring [4.667646675144656]
  我々は,ビルドプレートの低解像度画像とビルドプレートの詳細な高解像度光学画像とを関連付けるために,生成的深層学習モデルを実装した。 低解像度Webカメラ画像からビルドプレートの現実的な高解像度画像を生成するために,条件付き潜在確率拡散モデルを訓練した。 また, 印刷部の3次元形状を再現し, 復元した試料の表面粗さを解析する枠組みを設計した。
  論文  参考訳（メタデータ） (2024-09-20T02:59:25Z)
• FROST-BRDF: A Fast and Robust Optimal Sampling Technique for BRDF Acquisition [4.2408991654684876]
  我々はBRDFの取得を圧縮センシング問題として定式化する。 本稿では,FROST(Fast and Robust Optimal Smpling Technique)を提案する。 FROSTは、圧縮センシングのための最適なサブサンプリング演算子をスパース表現の定式化に設計する問題を提起する。 各ランで一貫した結果が得られ、先行技術よりも少なくとも2桁高速である。
  論文  参考訳（メタデータ） (2024-01-14T13:02:55Z)
• On Optimal Sampling for Learning SDF Using MLPs Equipped with Positional Encoding [79.67071790034609]
  我々は、好ましくない副作用を伴わずに、正確な暗黙の場を学習するための適切なサンプリング率を決定するツールを考案した。 PEを具備したPEは、PE層の最高周波数成分よりも内在周波数がはるかに高いことが観察された。 SDFフィッティングの設定において,この推奨サンプリングレートは正確なフィッティング結果の確保に十分であることを示す。
  論文  参考訳（メタデータ） (2024-01-02T10:51:52Z)
• Deep Equilibrium Diffusion Restoration with Parallel Sampling [120.15039525209106]
  拡散モデルに基づく画像復元(IR)は、拡散モデルを用いて劣化した画像から高品質な(本社)画像を復元し、有望な性能を達成することを目的としている。 既存のほとんどの手法では、HQイメージをステップバイステップで復元するために長いシリアルサンプリングチェーンが必要であるため、高価なサンプリング時間と高い計算コストがかかる。 本研究では,拡散モデルに基づくIRモデルを異なる視点,すなわちDeqIRと呼ばれるDeQ(Deep equilibrium)固定点系で再考することを目的とする。
  論文  参考訳（メタデータ） (2023-11-20T08:27:56Z)
• Generative Modelling of BRDF Textures from Flash Images [50.660026124025265]
  我々は、容易にキャプチャ、セマンティックな編集、一貫した、視覚素材の外観の効率よく再現できる潜在空間を学習する。 2番目のステップでは、材料コードに基づいて、私たちの方法は、BRDFモデルパラメータの無限で多様な空間フィールドを生成します。
  論文  参考訳（メタデータ） (2021-02-23T18:45:18Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• Spatially-Variant CNN-based Point Spread Function Estimation for Blind Deconvolution and Depth Estimation in Optical Microscopy [6.09170287691728]
  薄めながら平らでない物体の光顕微鏡画像の解像度を向上する手法を提案する。 畳み込みニューラルネットワーク(CNN)を用いた空間変動点スプレッド関数(PSF)モデルのパラメータを推定する。 本手法は,理想条件下での2乗ピアソン相関係数0.99で画像自体からPSFパラメータを復元する。
  論文  参考訳（メタデータ） (2020-10-08T14:20:16Z)
• Cost-effective search for lower-error region in material parameter space using multifidelity Gaussian process modeling [6.460853830978507]
  物質パラメータの推定には沈降形状に関する情報が不可欠である。 この領域は、LER (low-error region) と呼ばれ、沈殿物に含まれる物質の固有の情報を反映している。 ガウス過程に基づく多忠実度モデリングを用いて,異なる精度の複数の計算からトレーニングデータをサンプリングすることができる。
  論文  参考訳（メタデータ） (2020-03-15T04:14:30Z)
• Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset for Spatially Varying Isotropic Materials [65.95928593628128]
  多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。 我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
  論文  参考訳（メタデータ） (2020-01-18T12:26:22Z)

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。