論文の概要: ePBR: Extended PBR Materials in Image Synthesis

• arxiv url: http://arxiv.org/abs/2504.17062v1
• Date: Wed, 23 Apr 2025 19:15:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.152732
• Title: ePBR: Extended PBR Materials in Image Synthesis
• Title（参考訳）: ePBR:画像合成における拡張PBR材料
• Authors: Yu Guo, Zhiqiang Lao, Xiyun Song, Yubin Zhou, Zongfang Lin, Heather Yu,
• Abstract要約: 固有のイメージ表現は、バランスのとれたトレードオフを提供し、イメージを基本コンポーネントに分解する。 我々は、反射特性と透過特性の両方を組み込むために、固有画像表現を拡張した。 The Extended PBR (ePBR) Materials, we can effective editing with accurate control。
• 参考スコア（独自算出の注目度）: 2.3241174970798126
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Realistic indoor or outdoor image synthesis is a core challenge in computer vision and graphics. The learning-based approach is easy to use but lacks physical consistency, while traditional Physically Based Rendering (PBR) offers high realism but is computationally expensive. Intrinsic image representation offers a well-balanced trade-off, decomposing images into fundamental components (intrinsic channels) such as geometry, materials, and illumination for controllable synthesis. However, existing PBR materials struggle with complex surface models, particularly high-specular and transparent surfaces. In this work, we extend intrinsic image representations to incorporate both reflection and transmission properties, enabling the synthesis of transparent materials such as glass and windows. We propose an explicit intrinsic compositing framework that provides deterministic, interpretable image synthesis. With the Extended PBR (ePBR) Materials, we can effectively edit the materials with precise controls.
• Abstract（参考訳）: リアルな屋内または屋外の画像合成はコンピュータビジョンとグラフィックスにおける中核的な課題である。 学習ベースのアプローチは使いやすく、物理的な一貫性に欠けるが、従来のPBR(Physically Based Rendering)は高いリアリズムを提供するが、計算コストが高い。 内在的な画像表現は、よくバランスのとれたトレードオフを提供し、画像を幾何学、材料、照明などの基本的な構成要素(内在的なチャネル)に分解して制御可能な合成を行う。 しかし、既存のPBR材料は複雑な表面モデル、特に高特異かつ透明な表面に苦しむ。 本研究では,ガラスや窓などの透明な材料を合成し,反射特性と透過特性を両立させるため,固有画像表現を拡張した。 本稿では、決定論的、解釈可能な画像合成を提供する明示的な固有合成フレームワークを提案する。 The Extended PBR (ePBR) Materials, we can effective editing with accurate control。

関連論文リスト

• IntrinsiX: High-Quality PBR Generation using Image Priors [49.90007540430264]
  IntrinsiXはテキスト記述から高品質な内在画像を生成する新しい手法である。 シーンライティングを内蔵した既存のテキスト・ツー・イメージモデルとは対照的に,本手法では物理ベースのレンダリング(PBR)マップを推定する。
  論文  参考訳（メタデータ） (2025-04-01T17:47:48Z)
• MaterialMVP: Illumination-Invariant Material Generation via Multi-view PBR Diffusion [37.596740171045845]
  物理ベースのレンダリング(PBR)は現代のコンピュータグラフィックスの基盤となり、3Dシーンにおける現実的な物質表現と照明相互作用を可能にしている。 本稿では3次元メッシュと画像プロンプトからPBRテクスチャを生成するための新しいエンド・ツー・エンドモデルを提案する。
  論文  参考訳（メタデータ） (2025-03-13T11:57:30Z)
• MatCLIP: Light- and Shape-Insensitive Assignment of PBR Material Models [42.42328559042189]
  MatCLIPは、PBR材料の形状や光に敏感な記述子を抽出し、画像に基づいて可塑性テクスチャを3Dオブジェクトに割り当てる新しい手法である。 そこで本研究では,PBR表現の領域を写真や描画でブリッジする記述子を生成する。 MatCLIPの分類精度は76.6%で、PhotoShapeやMatAtlasのような最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2025-01-27T12:08:52Z)
• Materialist: Physically Based Editing Using Single-Image Inverse Rendering [50.39048790589746]
  本稿では、学習に基づくアプローチとプログレッシブな微分可能レンダリングを組み合わせた手法を提案する。 提案手法は,より現実的な光物質相互作用,正確な影,大域的な照明を実現する。 また,全シーン形状を必要とせず,効果的に機能する材料透過性編集手法を提案する。
  論文  参考訳（メタデータ） (2025-01-07T11:52:01Z)
• Paint-it: Text-to-Texture Synthesis via Deep Convolutional Texture Map Optimization and Physically-Based Rendering [47.78392889256976]
  Paint-itは3Dレンダリングのためのテキスト駆動の高忠実なテクスチャマップ合成法である。 Paint-itはScore-Distillation Sampling(SDS)を利用してテキスト記述からテクスチャマップを合成する 我々は,DC-PBRがテクスチャ周波数に応じて最適化カリキュラムをスケジュールし,SDSからノイズ信号を自然にフィルタすることを示した。
  論文  参考訳（メタデータ） (2023-12-18T17:17:08Z)
• Light Sampling Field and BRDF Representation for Physically-based Neural Rendering [4.440848173589799]
  物理ベースのレンダリング(PBR)は、コンピュータグラフィックス資産の詳細な現実的なシーンを展示するために業界で広く使われている没入型レンダリングエフェクトの鍵である。 本稿では,学習光サンプリングフィールドにおける光サンプリング戦略を通じて,直接的および間接的な光を局所的にモデル化する新しい照明表現を提案する。 次に,提案した表現を,標準の顔アセットとHDRIを入力とし,出力として写真リアリスティックなレンダリングを生成する,エンドツーエンドの物理ベースニューラルフェイススキンシェーダを用いて実装する。
  論文  参考訳（メタデータ） (2023-04-11T19:54:50Z)
• 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)
• PhySG: Inverse Rendering with Spherical Gaussians for Physics-based Material Editing and Relighting [60.75436852495868]
  本稿では、RGB入力画像からジオメトリ、マテリアル、イルミネーションをゼロから再構築する逆レンダリングパイプラインPhySGを紹介します。 我々は合成データと実データの両方を用いて,新しい視点のレンダリングを可能にするだけでなく,物質や照明の物理ベースの外観編集を可能にすることを実証した。
  論文  参考訳（メタデータ） (2021-04-01T17:59:02Z)
• Seeing the World in a Bag of Chips [73.561388215585]
  ハンドヘルドRGBDセンサによる新しいビュー合成と環境再構築の二重問題に対処する。 提案するコントリビューションは,1)高スペクトル物体のモデリング,2)反射間およびフレネル効果のモデリング,3)形状のみを再構築するために必要な同じ入力で表面光場再構成を可能にすることを含む。
  論文  参考訳（メタデータ） (2020-01-14T06:44:44Z)

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。