論文の概要: Differentiable Mobile Display Photometric Stereo

• arxiv url: http://arxiv.org/abs/2502.05055v1
• Date: Fri, 07 Feb 2025 16:24:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:58:46.919401
• Title: Differentiable Mobile Display Photometric Stereo
• Title（参考訳）: 微分可能な移動体ディスプレイ光度ステレオ
• Authors: Gawoon Ban, Hyeongjun Kim, Seokjun Choi, Seungwoo Yoon, Seung-Hwan Baek,
• Abstract要約: ディスプレイ測光ステレオは、様々な照明条件のシーンを照らすために、プログラム可能な光源としてディスプレイを使用する。 近年, 学習した表示パターンを用いて, 正規再構成精度の向上を図った。 我々は,より実用的な物理ベースの測光ステレオ,微分可能な移動体表示ステレオを提案する。
• 参考スコア（独自算出の注目度）: 8.436027244967438
• License:
• Abstract: Display photometric stereo uses a display as a programmable light source to illuminate a scene with diverse illumination conditions. Recently, differentiable display photometric stereo (DDPS) demonstrated improved normal reconstruction accuracy by using learned display patterns. However, DDPS faced limitations in practicality, requiring a fixed desktop imaging setup using a polarization camera and a desktop-scale monitor. In this paper, we propose a more practical physics-based photometric stereo, differentiable mobile display photometric stereo (DMDPS), that leverages a mobile phone consisting of a display and a camera. We overcome the limitations of using a mobile device by developing a mobile app and method that simultaneously displays patterns and captures high-quality HDR images. Using this technique, we capture real-world 3D-printed objects and learn display patterns via a differentiable learning process. We demonstrate the effectiveness of DMDPS on both a 3D printed dataset and a first dataset of fallen leaves. The leaf dataset contains reconstructed surface normals and albedos of fallen leaves that may enable future research beyond computer graphics and vision. We believe that DMDPS takes a step forward for practical physics-based photometric stereo.
• Abstract（参考訳）: ディスプレイ測光ステレオは、様々な照明条件のシーンを照らすために、プログラム可能な光源としてディスプレイを使用する。 近年,差分表示型測光ステレオ (DDPS) は, 学習した表示パターンを用いて, 正常な復元精度を向上した。 しかし、DDPSは実用性に限界があり、偏光カメラとデスクトップスケールモニターを使った固定されたデスクトップ画像設定が必要であった。 本稿では,ディスプレイとカメラからなる携帯電話を活用した,より実用的な物理ベースの測光ステレオ,微分可能な移動体ディスプレイ測光ステレオ(DMDPS)を提案する。 我々は,高品質なHDR画像を同時に表示し,キャプチャするモバイルアプリと手法を開発することで,モバイルデバイスの使用の限界を克服する。 この技術を用いて、実世界の3Dプリントオブジェクトをキャプチャし、異なる学習プロセスを通じて表示パターンを学習する。 DMDPSが3Dプリントされたデータセットと落ち葉の第一のデータセットの両方に与える影響を実証した。 葉のデータセットには、再構成された表面の正常と落ち葉のアルベドが含まれており、コンピュータグラフィックスや視覚を超えた将来の研究を可能にする可能性がある。 我々はDMDPSが物理ベースの測光ステレオの実現に向けて一歩前進すると考えている。

関連論文リスト

• LUCES-MV: A Multi-View Dataset for Near-Field Point Light Source Photometric Stereo [31.457168417257943]
  近距離光源光度ステレオ用に設計された,世界初の実世界のマルチビューデータセットLUCES-MVを提案する。 私たちのデータセットには、15個のオブジェクトが含まれており、それぞれが、カメラセンターから30から40cmの位置にある15個のLEDの配列から、様々な光条件下で撮影された。 我々は、現状の近接場測光ステレオアルゴリズムを評価し、その強度と、異なる材料と形状の複雑さの制限を強調した。
  論文  参考訳（メタデータ） (2024-12-21T18:58:16Z)
• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• VFMM3D: Releasing the Potential of Image by Vision Foundation Model for Monocular 3D Object Detection [80.62052650370416]
  モノクル3Dオブジェクト検出は、自律運転やロボティクスなど、さまざまなアプリケーションにおいて重要な役割を担っている。 本稿では,VFMM3Dを提案する。VFMM3Dは,ビジョンファウンデーションモデル(VFM)の機能を利用して,単一ビュー画像を正確にLiDARポイントクラウド表現に変換する,革新的なフレームワークである。
  論文  参考訳（メタデータ） (2024-04-15T03:12:12Z)
• Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
  本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。 既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:38:32Z)
• Differentiable Display Photometric Stereo [15.842538322034537]
  光度ステレオは、照明条件の変化を利用して表面の正常を再構成する。 本稿では、表示パターンの設計に対処する、微分可能な表示測光ステレオ(DDPS)を提案する。 DDPSは、ターゲットシステムに対して、エンドツーエンドで正確な正常な再構築をもたらす表示パターンを学習する。
  論文  参考訳（メタデータ） (2023-06-23T07:05:08Z)
• Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
  光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。 深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
  論文  参考訳（メタデータ） (2022-12-16T11:27:44Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• LUCES: A Dataset for Near-Field Point Light Source Photometric Stereo [30.31403197697561]
  LUCESは, 様々な素材の14個のオブジェクトからなる, 近距離Ld点光のための最初の実世界のデータセットである。 52個のLEDを計る装置は、カメラから10から30cm離れた位置にある各物体に点灯するように設計されている。 提案するデータセットにおける最新の近接場測光ステレオアルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-04-27T12:30:42Z)
• Learning Efficient Photometric Feature Transform for Multi-view Stereo [37.26574529243778]
  各ビューのperpixelフォトメトリック情報を,空間的特徴とビュー不変の低レベル特徴に変換することを学ぶ。 本フレームワークは,様々な入力データで利用可能な幾何学情報を自動的に適用し,効率的な利用を行う。
  論文  参考訳（メタデータ） (2021-03-27T02:53:15Z)
• 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。