論文の概要: Single-image Reflectance and Transmittance Estimation from Any Flatbed Scanner

• arxiv url: http://arxiv.org/abs/2502.14462v1
• Date: Thu, 20 Feb 2025 11:33:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 14:30:06.763577
• Title: Single-image Reflectance and Transmittance Estimation from Any Flatbed Scanner
• Title（参考訳）: 平板スキャナからの単像反射と透過率推定
• Authors: Carlos Rodriguez-Pardo, David Pascual-Hernandez, Javier Rodriguez-Vazquez, Jorge Lopez-Moreno, Elena Garces,
• Abstract要約: そこで本研究では,シェーディングとスペキュラリティの両面を正確に除去する,本質的な画像分解にインスパイアされた手法を提案する。 我々は、不透明度と透過率を推定し、単一画像材料反射率キャプチャーに関する以前の研究を拡張した。
• 参考スコア（独自算出の注目度）: 4.164087208480994
• License:
• Abstract: Flatbed scanners have emerged as promising devices for high-resolution, single-image material capture. However, existing approaches assume very specific conditions, such as uniform diffuse illumination, which are only available in certain high-end devices, hindering their scalability and cost. In contrast, in this work, we introduce a method inspired by intrinsic image decomposition, which accurately removes both shading and specularity, effectively allowing captures with any flatbed scanner. Further, we extend previous work on single-image material reflectance capture with the estimation of opacity and transmittance, critical components of full material appearance (SVBSDF), improving the results for any material captured with a flatbed scanner, at a very high resolution and accuracy
• Abstract（参考訳）: フラットベッドスキャナーは、高解像度のシングルイメージの材料キャプチャーのための有望なデバイスとして登場した。 しかし、既存のアプローチは、特定のハイエンドデバイスでしか利用できない均一な拡散照明など、非常に特殊な条件を前提としており、スケーラビリティとコストを妨げている。 対照的に,本研究では,シェーディングとスペキュラリティの両面を正確に除去し,フラットベッドスキャナーによるキャプチャを効果的に実現する,内在的な画像分解にインスパイアされた手法を提案する。 さらに、不透明度と透過率の推定、フルマテリアル外観の臨界成分(SVBSDF)による単一画像の反射率キャプチャに関する以前の研究を拡張し、フラットベッドスキャナーでキャプチャした材料について、非常に高解像度かつ精度で結果を改善する。

関連論文リスト

• Neural Spline Fields for Burst Image Fusion and Layer Separation [40.9442467471977]
  ニューラルスプライン場を用いた2層α合成画像とフローモデルを用いた多目的中間表現を提案する。 提案手法では, バースト画像を高分解能な再構成に融合し, 透過層と閉塞層に分解することができる。 後処理のステップや事前学習がないため、当社の一般化可能なモデルは、既存の専用イメージやマルチビューの障害物除去アプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-12-21T18:54:19Z)
• Intrinsic Image Diffusion for Indoor Single-view Material Estimation [55.276815106443976]
  室内シーンの外観分解のための生成モデルIntrinsic Image Diffusionを提案する。 1つの入力ビューから、アルベド、粗さ、および金属地図として表される複数の材料説明をサンプリングする。 提案手法は,PSNRで1.5dB$,アルベド予測で45%のFIDスコアを達成し,よりシャープで,より一貫性があり,より詳細な資料を生成する。
  論文  参考訳（メタデータ） (2023-12-19T15:56:19Z)
• Super-Resolution on Rotationally Scanned Photoacoustic Microscopy Images Incorporating Scanning Prior [12.947842858489516]
  光音響顕微鏡(PAM)画像は、光コントラストと音響分解能の利点を組み合わせた脳研究で広く利用されている。 走査速度と画像解像度の間にはトレードオフがあり、従来の走査と比較すると、回転走査は走査機構を最適化することで高速なPAMイメージングの好機となる。 本研究では,回転走査型PAMイメージングのための新しい高性能超解像フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-12T12:41:35Z)
• Towards High-Quality Specular Highlight Removal by Leveraging Large-Scale Synthetic Data [45.30068102110486]
  本稿では,1つのオブジェクトレベルの画像から特異なハイライトを取り除くことを目的とする。 そこで本研究では,これらに対処するための3段階ネットワークを提案する。 オブジェクトレベルの画像の大規模な合成データセットを提案する。
  論文  参考訳（メタデータ） (2023-09-12T15:10:23Z)
• DiffCR: A Fast Conditional Diffusion Framework for Cloud Removal from Optical Satellite Images [27.02507384522271]
  本稿では,光衛星画像の高速クラウド除去に深部畳み込みネットワークを用いた条件付き拡散を利用したDiffCRという新しいフレームワークを提案する。 条件付き特徴抽出のための分離エンコーダを導入し、条件付き入力と合成出力との外観情報の密接な類似性を確保するために、ロバストな色表現を提供する。
  論文  参考訳（メタデータ） (2023-08-08T17:34:28Z)
• Relightify: Relightable 3D Faces from a Single Image via Diffusion Models [86.3927548091627]
  単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。 既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
  論文  参考訳（メタデータ） (2023-05-10T11:57:49Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
  本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
  論文  参考訳（メタデータ） (2020-07-21T17:30:51Z)
• FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
  画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。 我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。 実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
  論文  参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。