論文の概要: All-frequency Full-body Human Image Relighting

• arxiv url: http://arxiv.org/abs/2411.00356v1
• Date: Fri, 01 Nov 2024 04:45:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:46:26.519696
• Title: All-frequency Full-body Human Image Relighting
• Title（参考訳）: 全周波数フルボディ画像のリライティング
• Authors: Daichi Tajima, Yoshihiro Kanamori, Yuki Endo,
• Abstract要約: 人間の画像のリライティングは、肖像画における照明効果のポストフォトグラフィー編集を可能にする。 現在の主流のアプローチでは、物理的シェーディングの原則を明示的に考慮することなく、ニューラルネットワークを使用して照明効果を近似している。 本研究では,低周波から高周波の影や陰影を再現できる2段階照明法を提案する。
• 参考スコア（独自算出の注目度）: 1.529342790344802
• License:
• Abstract: Relighting of human images enables post-photography editing of lighting effects in portraits. The current mainstream approach uses neural networks to approximate lighting effects without explicitly accounting for the principle of physical shading. As a result, it often has difficulty representing high-frequency shadows and shading. In this paper, we propose a two-stage relighting method that can reproduce physically-based shadows and shading from low to high frequencies. The key idea is to approximate an environment light source with a set of a fixed number of area light sources. The first stage employs supervised inverse rendering from a single image using neural networks and calculates physically-based shading. The second stage then calculates shadow for each area light and sums up to render the final image. We propose to make soft shadow mapping differentiable for the area-light approximation of environment lighting. We demonstrate that our method can plausibly reproduce all-frequency shadows and shading caused by environment illumination, which have been difficult to reproduce using existing methods.
• Abstract（参考訳）: 人間の画像のリライティングは、肖像画における照明効果のポストフォトグラフィー編集を可能にする。 現在の主流のアプローチでは、物理的シェーディングの原則を明示的に考慮することなく、ニューラルネットワークを使用して照明効果を近似している。 結果として、高周波影や陰影を表すのが難しいことが多い。 本稿では,低周波から高周波の影や陰影を再現できる2段階照明法を提案する。 鍵となる考え方は、環境光源を一定の数の領域光源の集合に近似することである。 第1段階では、ニューラルネットワークを使用して単一の画像からの教師付き逆レンダリングを採用し、物理的にベースとしたシェーディングを算出する。 次に第2ステージは、各領域の光の影を計算し、最終的な画像を描画するために合計する。 本研究では,環境光の領域光近似のために,ソフトシャドーマッピングを識別可能にすることを提案する。 本手法は, 従来の手法では再現が困難であった環境照明による全周波数影と陰影を, 確実に再現できることを実証する。

関連論文リスト

• COMPOSE: Comprehensive Portrait Shadow Editing [25.727386174616868]
  COMPOSEは人間の肖像画のための新しい影編集パイプラインである。 形状、強度、位置などの影の属性を正確に制御する。 我々は,(1)この光源表現を画像から予測し,(2)この表現を用いて現実的な影を生成するモデルを訓練した。
  論文  参考訳（メタデータ） (2024-08-25T19:18:18Z)
• LightIt: Illumination Modeling and Control for Diffusion Models [61.80461416451116]
  我々は、画像生成のための明示的な照明制御方法であるLightItを紹介する。 最近の生成法では照明制御が欠如しており、画像生成の多くの芸術的側面に不可欠である。 本手法は、制御可能で一貫した照明による画像生成を可能にする最初の方法である。
  論文  参考訳（メタデータ） (2024-03-15T18:26:33Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• 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)
• Geometry-aware Single-image Full-body Human Relighting [37.381122678376805]
  単一イメージの人間のリライティングは、入力画像をアルベド、形状、照明に分解することで、新たな照明条件下でターゲットの人間をリライティングすることを目的としている。 それまでの方法は、アルベドと照明の絡み合いと、硬い影の欠如に悩まされていた。 我々のフレームワークは、難易度の高い照明条件下で、キャストシャドウのような光現実性の高い高周波影を生成することができる。
  論文  参考訳（メタデータ） (2022-07-11T10:21:02Z)
• Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
  本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。 1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
  論文  参考訳（メタデータ） (2022-05-19T06:44:37Z)
• OutCast: Outdoor Single-image Relighting with Cast Shadows [19.354412901507175]
  本研究では,屋外画像のリライティング手法を提案する。 本手法は,1枚の画像から任意の新しい照明方向の鋳造影を予測することに焦点を当てる。 提案手法は,1つの画像のみを入力として,初めて最先端のリライト結果を実現する。
  論文  参考訳（メタデータ） (2022-04-20T09:24:14Z)
• Self-supervised Outdoor Scene Relighting [92.20785788740407]
  本稿では, 自己指導型リライティング手法を提案する。 当社のアプローチは,ユーザの監督なしにインターネットから収集した画像のコーパスのみに基づいて訓練されている。 以上の結果から,写実的かつ物理的に妥当な結果を生成できる技術が,見えない場面に一般化できることが示唆された。
  論文  参考訳（メタデータ） (2021-07-07T09:46:19Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• Portrait Shadow Manipulation [37.414681268753526]
  カジュアルに撮られた肖像画は、環境の最適下条件のため、光や影のぼやけに悩まされることが多い。 我々は、カジュアルな写真家にこの制御を一部与え、現実的で容易に制御可能な方法で、低照度な肖像画をポストキャプチャーに頼らせることができる計算手法を提案する。 我々のアプローチは、外部の物体が投げる異物の影を除去するニューラルネットワークと、被写体の特徴が投げる顔の影を和らげるニューラルネットワークと、照明率を改善するための合成フィリング光を加えることに依存している。
  論文  参考訳（メタデータ） (2020-05-18T17:51:34Z)

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。