論文の概要: Towards Physically-Based Sky-Modeling
- arxiv url: http://arxiv.org/abs/2412.11883v1
- Date: Mon, 16 Dec 2024 15:32:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:55:12.764334
- Title: Towards Physically-Based Sky-Modeling
- Title（参考訳）: 物理的スカイモデリングに向けて
- Authors: Ian J. Maquignaz,
- Abstract要約: 物理的に捉えたHDR画像から直接天気予報を学習する全天候スカイモデルを提案する。
我々のモデル(AllSky)は、空の拡張ダイナミックレンジ(EDR)の維持を改善した物理的に捕獲された環境マップのエミュレーションを可能にする。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Accurate environment maps are a key component in rendering photorealistic outdoor scenes with coherent illumination. They enable captivating visual arts, immersive virtual reality and a wide range of engineering and scientific applications. Recent works have extended sky-models to be more comprehensive and inclusive of cloud formations but existing approaches fall short in faithfully recreating key-characteristics in physically captured HDRI. As we demonstrate, environment maps produced by sky-models do not relight scenes with the same tones, shadows, and illumination coherence as physically captured HDR imagery. Though the visual quality of DNN-generated LDR and HDR imagery has greatly progressed in recent years, we demonstrate this progress to be tangential to sky-modelling. Due to the Extended Dynamic Range (EDR) of 14EV required for outdoor environment maps inclusive of the sun, sky-modelling extends beyond the conventional paradigm of High Dynamic Range Imagery (HDRI). In this work, we propose an all-weather sky-model, learning weathered-skies directly from physically captured HDR imagery. Per user-controlled positioning of the sun and cloud formations, our model (AllSky) allows for emulation of physically captured environment maps with improved retention of the Extended Dynamic Range (EDR) of the sky.
- Abstract（参考訳）: 正確な環境マップは、光リアルな屋外シーンをコヒーレント照明でレンダリングする上で重要な要素である。
視覚芸術の獲得、没入型バーチャルリアリティ、幅広い工学と科学の応用を可能にしている。
近年の研究では、スカイモデルがより包括的で雲の形成を包含するように拡張されているが、既存のアプローチでは物理的に捕獲されたHDRIの鍵特性を忠実に再現することができない。
私たちが示すように、スカイモデルによって生成された環境マップは、物理的に捉えたHDR画像と同じトーン、影、照明コヒーレンスでシーンをリライトしない。
近年,DNN生成のLDRおよびHDR画像の視覚的品質は著しく向上しているが,この進歩はスカイモデリングに顕著であることを示す。
太陽を含む屋外の環境マップに必要な14EVの拡張されたダイナミックレンジ(EDR)のため、スカイモデリングは従来のハイダイナミックレンジイメージ(HDRI)のパラダイムを超えている。
本研究では,物理的に捉えたHDR画像から直接風化スキーを学習する全天候スカイモデルを提案する。
太陽と雲の形成をユーザが制御する位置において、我々のモデル(AllSky)は、空の拡張ダイナミックレンジ(EDR)の維持を改善した物理的に捕獲された環境マップのエミュレーションを可能にする。
関連論文リスト
- LEDiff: Latent Exposure Diffusion for HDR Generation [11.669442066168244]
LEDiffは、遅延空間露光融合技術により、HDRコンテンツを生成する生成モデルを実現する方法である。
また、LDR-to-fusionコンバータとしても機能し、既存の低ダイナミックレンジ画像のダイナミックレンジを拡張する。
論文 参考訳（メタデータ） (2024-12-19T02:15:55Z) - Radiance Fields from Photons [16.150757184515037]
単一光子カメラ(SPC)を用いて個々の光子の粒度を学習する神経放射場である量子放射場を導入する。
シミュレーションとプロトタイプのSPCハードウェア,高速動作下での高忠実度再構成,低光域,超ダイナミックレンジ設定による実演を行った。
論文 参考訳（メタデータ） (2024-07-12T16:06:51Z) - Cinematic Gaussians: Real-Time HDR Radiance Fields with Depth of Field [23.92087253022495]
放射場法は、多視点写真から複雑なシーンを再構成する際の技法の状態を表現している。
ピンホールカメラモデルへの依存は、すべてのシーン要素が入力画像に集中していると仮定し、実用的な課題を提示し、新規な視点合成において再焦点を複雑にする。
様々な露光時間,開口の放射率,焦点距離を多視点LDR画像を用いて高ダイナミックレンジシーンを再構成する3Dガウススメッティングに基づく軽量解析手法を提案する。
論文 参考訳（メタデータ） (2024-06-11T15:00:24Z) - HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
既存のHDR NVS法は主にNeRFに基づいている。
訓練時間は長く、推論速度は遅い。
我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
論文 参考訳（メタデータ） (2024-05-24T00:46:58Z) - Fast High Dynamic Range Radiance Fields for Dynamic Scenes [39.3304365600248]
我々はHDR-HexPlaneという動的HDR NeRFフレームワークを提案し、様々な露出で捉えた動的2D画像から3Dシーンを学習する。
提案したモデルでは、任意の時点における高品質なノベルビュー画像を、望まれる露光でレンダリングすることができる。
論文 参考訳（メタデータ） (2024-01-11T17:15:16Z) - Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry
from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。
実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-12-26T08:10:22Z) - Spatiotemporally Consistent HDR Indoor Lighting Estimation [66.26786775252592]
本研究では,屋内照明推定問題を解決するための物理動機付きディープラーニングフレームワークを提案する。
深度マップを用いた1枚のLDR画像から,任意の画像位置における空間的に一貫した照明を予測できる。
我々のフレームワークは、最先端の単一画像やビデオベースの手法と比較して、高画質で光リアリスティック照明予測を実現する。
論文 参考訳（メタデータ） (2023-05-07T20:36:29Z) - Deep Dynamic Cloud Lighting [3.4442294678697385]
そこで本研究では,初めて全スキーダイナミッククラウドを実現するソリューションを提案する。
我々は、様々な時間スケールで空の照度を予測することを学ぶマルチ・タイムスケールの空の外観モデルを合成する。
論文 参考訳（メタデータ） (2023-04-18T22:02:54Z) - GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。
鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。
実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
論文 参考訳（メタデータ） (2022-11-22T15:42:08Z) - HDR-NeRF: High Dynamic Range Neural Radiance Fields [70.80920996881113]
我々は、低ダイナミックレンジ(LDR)ビューの集合からHDR放射界を異なる露光で復元するために、高ダイナミックレンジニューラルレイディアンス場(-NeRF)を提案する。
異なる露出下で、新しいHDRビューと新しいLDRビューの両方を生成することができる。
論文 参考訳（メタデータ） (2021-11-29T11:06:39Z) - Beyond Visual Attractiveness: Physically Plausible Single Image HDR
Reconstruction for Spherical Panoramas [60.24132321381606]
我々は,単発hdr再構成フレームワークに物理的照度制約を導入する。
本手法は,視覚に訴えるだけでなく,物理的に妥当なHDRを生成することができる。
論文 参考訳（メタデータ） (2021-03-24T01:51:19Z)
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。