論文の概要: Shape from Polarization of Thermal Emission and Reflection

• arxiv url: http://arxiv.org/abs/2506.18217v1
• Date: Mon, 23 Jun 2025 00:33:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.810446
• Title: Shape from Polarization of Thermal Emission and Reflection
• Title（参考訳）: 熱放射・反射の偏光からの形状
• Authors: Kazuma Kitazawa, Tsuyoshi Takatani,
• Abstract要約: 長波長赤外(LWIR)スペクトルにおける偏光の形状(SfP)技術を利用する。 我々は、放射と反射の複合効果を明示的に考慮した偏極モデルを定式化した。 我々はプロトタイプシステムを実装し、LWIR SfPのための最初の実世界のベンチマークデータセットであるThermoPolを開発した。
• 参考スコア（独自算出の注目度）: 2.7317088388886384
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Shape estimation for transparent objects is challenging due to their complex light transport. To circumvent these difficulties, we leverage the Shape from Polarization (SfP) technique in the Long-Wave Infrared (LWIR) spectrum, where most materials are opaque and emissive. While a few prior studies have explored LWIR SfP, these attempts suffered from significant errors due to inadequate polarimetric modeling, particularly the neglect of reflection. Addressing this gap, we formulated a polarization model that explicitly accounts for the combined effects of emission and reflection. Based on this model, we estimated surface normals using not only a direct model-based method but also a learning-based approach employing a neural network trained on a physically-grounded synthetic dataset. Furthermore, we modeled the LWIR polarimetric imaging process, accounting for inherent systematic errors to ensure accurate polarimetry. We implemented a prototype system and created ThermoPol, the first real-world benchmark dataset for LWIR SfP. Through comprehensive experiments, we demonstrated the high accuracy and broad applicability of our method across various materials, including those transparent in the visible spectrum.
• Abstract（参考訳）: 透明物体の形状推定は複雑な光輸送のために困難である。 これらの困難を回避するため、長波長赤外(LWIR)スペクトルにおける形状偏光(SfP)技術を利用する。 LWIR SfPを探索する以前の研究はいくつかあったが、これらの試みは不適切な偏光度モデリング、特に反射の無視による重大な誤りに悩まされた。 このギャップに対処するため、我々は放射と反射の複合効果を明示的に説明する偏極モデルを定式化した。 このモデルに基づいて, 直接モデルベース法だけでなく, ニューラルネットワークを用いた学習ベースアプローチを用いて, 表面の正規性を推定した。 さらに,LWIR偏光画像法をモデル化し,系統的誤差を考慮し,正確な偏光測定を行った。 我々はプロトタイプシステムを実装し、LWIR SfPのための最初の実世界のベンチマークデータセットであるThermoPolを開発した。 包括的実験を通じて,可視光スペクトルの透過性を含む様々な材料にまたがって,提案手法の高精度かつ広範な適用性を実証した。

関連論文リスト

• Glossy Object Reconstruction with Cost-effective Polarized Acquisition [41.96986483856648]
  この研究は、コスト効率の良い取得ツールを使用するスケーラブルな分極支援アプローチを導入している。 提案手法は,物体表面の分極的BRDF,ストークスベクトル,偏光状態をニューラル暗黙的場として表現する。 偏光レンダリングの暗黙的な表現に基本的な物理原理を活用することにより,本手法は既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-09T16:38:51Z)
• SS-SfP:Neural Inverse Rendering for Self Supervised Shape from (Mixed) Polarization [21.377923666134116]
  偏光の形状 (SfP) は偏光の形状 (SfP) として知られる問題である。 単視点偏光画像から物体やシーンの3次元形状(画素表面の正規度と深さ)を推定する逆レンダリングに基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-12T14:29:00Z)
• Deep Polarization Cues for Single-shot Shape and Subsurface Scattering Estimation [13.561603248769302]
  半透明物体の形状と地下散乱(SSS)パラメータを共同で推定する新しい学習手法を提案する。 観測の結果,SSSは光強度だけでなく偏光信号にも影響を及ぼすことがわかった。 偏光半透明物体の大規模合成データセットを導入し,モデルの学習を行った。
  論文  参考訳（メタデータ） (2024-07-11T03:00:24Z)
• Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
  様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。 まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。 大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
  論文  参考訳（メタデータ） (2024-04-05T17:55:33Z)
• 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)
• Polarimetric Information for Multi-Modal 6D Pose Estimation of Photometrically Challenging Objects with Limited Data [51.95347650131366]
  6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存する。 このような制限を克服するために,補完分極情報を利用した教師付き学習ベース手法を提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:56:00Z)
• 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)
• Transparent Shape from a Single View Polarization Image [6.18278691318801]
  本稿では,一視点偏光画像から透明表面を推定する学習手法を提案する。 従来の偏光法(SfP)法では、固有の透過干渉が物理に基づく事前の信頼性を大幅に低下させるため、透明な形状を推定することが困難である。
  論文  参考訳（メタデータ） (2022-04-13T12:24:32Z)
• Uncalibrated Neural Inverse Rendering for Photometric Stereo of General Surfaces [103.08512487830669]
  本稿では,測光ステレオ問題に対する無補間深層ニューラルネットワークフレームワークを提案する。 既存のニューラルネットワークベースの方法は、物体の正確な光方向または接地正則のいずれかまたは両方を必要とします。 本稿では,この問題に対する未調整の神経逆レンダリング手法を提案する。
  論文  参考訳（メタデータ） (2020-12-12T10:33:08Z)

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。