論文の概要: NeISF++: Neural Incident Stokes Field for Polarized Inverse Rendering of Conductors and Dielectrics

• arxiv url: http://arxiv.org/abs/2411.10189v1
• Date: Fri, 15 Nov 2024 13:42:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-18 15:38:09.491054
• Title: NeISF++: Neural Incident Stokes Field for Polarized Inverse Rendering of Conductors and Dielectrics
• Title（参考訳）: NeISF++: 導体と誘電体の分極逆レンダリングのためのニューラルネットワークインシデントストッキングフィールド
• Authors: Chenhao Li, Taishi Ono, Takeshi Uemori, Sho Nitta, Hajime Mihara, Alexander Gatto, Hajime Nagahara, Yusuke Moriuchi,
• Abstract要約: 導体と誘電体をサポートする逆レンダリングパイプラインであるNeISF++を提案する。 本提案の主成分は導体と誘電体の両方を記述した一般的なpBRDFである。 合成および実データを用いた実験結果から,本手法は既存の偏極逆レンダリング法を超越し,幾何学的および物質的分解を行った。
• 参考スコア（独自算出の注目度）: 46.74229034845689
• License:
• Abstract: Recent inverse rendering methods have greatly improved shape, material, and illumination reconstruction by utilizing polarization cues. However, existing methods only support dielectrics, ignoring conductors that are found everywhere in life. Since conductors and dielectrics have different reflection properties, using previous conductor methods will lead to obvious errors. In addition, conductors are glossy, which may cause strong specular reflection and is hard to reconstruct. To solve the above issues, we propose NeISF++, an inverse rendering pipeline that supports conductors and dielectrics. The key ingredient for our proposal is a general pBRDF that describes both conductors and dielectrics. As for the strong specular reflection problem, we propose a novel geometry initialization method using DoLP images. This physical cue is invariant to intensities and thus robust to strong specular reflections. Experimental results on our synthetic and real datasets show that our method surpasses the existing polarized inverse rendering methods for geometry and material decomposition as well as downstream tasks like relighting.
• Abstract（参考訳）: 近年の逆レンダリング法では, 偏光手がかりを利用した形状, 材料, 照明の再現性が大幅に向上している。 しかし、既存の方法では、あらゆる場所で見られる導体を無視した誘電体しかサポートしていない。 導体と誘電体は反射特性が異なるため、従来の導体法を用いることで明らかな誤差が生じる。 加えて、導体は光沢があり、強いスペクトル反射を引き起こし、再構成が困難である。 上記の問題を解決するために、導体と誘電体をサポートする逆レンダリングパイプラインNeISF++を提案する。 本提案の主成分は導体と誘電体の両方を記述した一般的なpBRDFである。 そこで本研究では,DoLP画像を用いた新しい幾何初期化法を提案する。 この物理キューは強度に不変であり、したがって強いスペクトル反射に対して堅牢である。 合成および実データを用いた実験結果から,本手法は既存の偏極逆レンダリング法を超越し,形状や材料分解,リライティングなどの下流タスクを達成できた。

関連論文リスト

• Photometric Inverse Rendering: Shading Cues Modeling and Surface Reflectance Regularization [46.146783750386994]
  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。
  論文  参考訳（メタデータ） (2024-08-13T11:39:14Z)
• NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
  多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。 本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
  論文  参考訳（メタデータ） (2023-11-22T06:28:30Z)
• 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)
• DANI-Net: Uncalibrated Photometric Stereo by Differentiable Shadow Handling, Anisotropic Reflectance Modeling, and Neural Inverse Rendering [75.86523223933912]
  非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 異方性シャドーハンドリングと異方性リフレクタンスモデリングを備えた逆レンダリングフレームワークであるDANI-Netを提案する。 我々のネットワークは、2つの異なる経路を通る影と異方性反射の手がかりから恩恵を受ける。
  論文  参考訳（メタデータ） (2023-03-27T11:10:54Z)
• Polarimetric Inverse Rendering for Transparent Shapes Reconstruction [1.807492010338763]
  ポーラリメトリック・キューを用いた透明物体の詳細な再構成手法を提案する。 我々は、物体の幾何学をニューラルネットワークとして暗黙的に表現し、一方、偏光レンダリングは物体の偏光画像を描画することができる。 提案手法を検証するため,多視点透明形状再構成のための偏極データセットを構築した。
  論文  参考訳（メタデータ） (2022-08-25T02:52:31Z)
• PANDORA: Polarization-Aided Neural Decomposition Of Radiance [20.760987175553655]
  逆レンダリングはコンピュータグラフィックスとビジョンの基本的な問題である。 座標ベースニューラルネットワークとしてのシーン特性の最近の進歩は、ニューラルネットワークの逆レンダリングを促進している。 暗黙的ニューラル表現に基づく偏光逆レンダリング手法であるPANDORAを提案する。
  論文  参考訳（メタデータ） (2022-03-25T05:41:52Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)

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。