論文の概要: After the Party: Navigating the Mapping From Color to Ambient Lighting

• arxiv url: http://arxiv.org/abs/2508.02168v2
• Date: Tue, 05 Aug 2025 05:52:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 13:15:14.138828
• Title: After the Party: Navigating the Mapping From Color to Ambient Lighting
• Title（参考訳）: パーティーの後:カラーからアンビエント照明へのマッピング
• Authors: Florin-Alexandru Vasluianu, Tim Seizinger, Zongwei Wu, Radu Timofte,
• Abstract要約: CL3ANは,この種の大規模かつ高解像度なデータセットである。 先導的なアプローチは、照明の不整合、テクスチャリーク、色歪みなどのアーティファクトをしばしば生み出す。 我々は、新しい学習フレームワークを通じて、そのような所望の分解を実現する。
• 参考スコア（独自算出の注目度）: 48.01497878412971
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Illumination in practical scenarios is inherently complex, involving colored light sources, occlusions, and diverse material interactions that produce intricate reflectance and shading effects. However, existing methods often oversimplify this challenge by assuming a single light source or uniform, white-balanced lighting, leaving many of these complexities unaddressed. In this paper, we introduce CL3AN, the first large-scale, high-resolution dataset of its kind designed to facilitate the restoration of images captured under multiple Colored Light sources to their Ambient-Normalized counterparts. Through benchmarking, we find that leading approaches often produce artifacts, such as illumination inconsistencies, texture leakage, and color distortion, primarily due to their limited ability to precisely disentangle illumination from reflectance. Motivated by this insight, we achieve such a desired decomposition through a novel learning framework that leverages explicit chromaticity-luminance components guidance, drawing inspiration from the principles of the Retinex model. Extensive evaluations on existing benchmarks and our dataset demonstrate the effectiveness of our approach, showcasing enhanced robustness under non-homogeneous color lighting and material-specific reflectance variations, all while maintaining a highly competitive computational cost. The benchmark, codes, and models are available at www.github.com/fvasluianu97/RLN2.
• Abstract（参考訳）: 実用シナリオにおける照明は本質的に複雑で、色付きの光源、オクルージョン、複雑な反射率とシェーディング効果を生み出す多様な物質相互作用を含む。 しかし、既存の方法では、単一の光源または均一でホワイトバランスの照明を仮定することで、この課題を単純化し、これらの複雑さの多くを未解決のままにしておくことがしばしばある。 本稿では,複数のカラー光源で撮影された画像のアンビエント・ノーマル化画像への復元を容易にするために,CL3ANを提案する。 ベンチマークによって、先進的なアプローチは、照明の不整合、テクスチャの漏れ、色歪みなどのアーティファクトをしばしば生成することがわかった。 この知見に触発され、鮮明な色度-輝度成分のガイダンスを利用して、Retinexモデルの原理からインスピレーションを得る新しい学習フレームワークを通じて、そのような望まれる分解を実現する。 既存のベンチマークとデータセットを総合的に評価した結果,非均一なカラー照明下での頑健さと,物質特異的反射率の変動を示すとともに,高い競争力のある計算コストを維持しながら,我々のアプローチの有効性が示された。 ベンチマーク、コード、モデルはwww.github.com/fvasluianu97/RLN2で公開されている。

関連論文リスト

• UniRelight: Learning Joint Decomposition and Synthesis for Video Relighting [85.27994475113056]
  我々はアルベドを共同で推定し、単一のパスで信頼出力を合成する汎用的アプローチを導入する。 本モデルは,多様な領域にまたがる強力な一般化を示し,視覚的忠実度と時間的整合性の両方において,従来の手法を超越している。
  論文  参考訳（メタデータ） (2025-06-18T17:56:45Z)
• Nonlocal Retinex-Based Variational Model and its Deep Unfolding Twin for Low-Light Image Enhancement [3.174882428337821]
  本稿では,Retinex分解に基づく低照度画像強調のための変分法を提案する。 低照度画像に色補正前処理ステップを適用し、分解時に観察された入力として使用する。 我々は、演算子を学習可能なネットワークに置き換える深層展開モデルを導入することにより、モデルを拡張する。
  論文  参考訳（メタデータ） (2025-04-10T14:48:26Z)
• Pixel-Wise Color Constancy via Smoothness Techniques in Multi-Illuminant Scenes [16.176896461798993]
  複数光源による画素ワイズ照明図を学習し,新しい多照度カラーコンスタント法を提案する。 提案手法は, 隣接する画素内のスムーズさを, 全変動損失でトレーニングを正則化することによって実施する。 さらに、エッジを保ちながら、推定画像の自然な外観を高めるために、両側フィルタを設ける。
  論文  参考訳（メタデータ） (2024-02-05T11:42:19Z)
• Diving into Darkness: A Dual-Modulated Framework for High-Fidelity Super-Resolution in Ultra-Dark Environments [51.58771256128329]
  本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。 Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。 包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-09-11T06:55:32Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• 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)
• DANI-Net: Uncalibrated Photometric Stereo by Differentiable Shadow Handling, Anisotropic Reflectance Modeling, and Neural Inverse Rendering [75.86523223933912]
  非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。 異方性シャドーハンドリングと異方性リフレクタンスモデリングを備えた逆レンダリングフレームワークであるDANI-Netを提案する。 我々のネットワークは、2つの異なる経路を通る影と異方性反射の手がかりから恩恵を受ける。
  論文  参考訳（メタデータ） (2023-03-27T11:10:54Z)
• Invariant Descriptors for Intrinsic Reflectance Optimization [15.638996731038231]
  固有の画像分解は、画像をアルベド(反射)とシェーディング(照明)サブコンポーネントに分解することを目的としている。 不適切で制約の少ないコンピュータビジョン問題である。 我々のアプローチは物理学に基づく、学習のないもので、より正確で堅牢な反射率分解をもたらす。
  論文  参考訳（メタデータ） (2022-04-08T13:52:13Z)
• 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)

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。