論文の概要: Ordinality of Visible-Thermal Image Intensities for Intrinsic Image Decomposition
- arxiv url: http://arxiv.org/abs/2509.10388v1
- Date: Fri, 12 Sep 2025 16:29:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-15 16:03:08.160977
- Title: Ordinality of Visible-Thermal Image Intensities for Intrinsic Image Decomposition
- Title（参考訳）: 固有画像分解のための可視熱画像強度の規則性
- Authors: Zeqing Leo Yuan, Mani Ramanagopal, Aswin C. Sankaranarayanan, Srinivasa G. Narasimhan,
- Abstract要約: 本稿では,一対の可視画像と熱画像のみを用いた内在画像分解のためのトレーニング不要アプローチを提案する。
我々は不透明な表面から反射しない光が熱カメラによって吸収され、熱として検出されるという原理を活用する。
これにより、可視画像強度と熱画像強度の順序性と、陰影と反射率の順序性とを関連付けることができる。
- 参考スコア（独自算出の注目度）: 25.579052761222513
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decomposing an image into its intrinsic photometric factors--shading and reflectance--is a long-standing challenge due to the lack of extensive ground-truth data for real-world scenes. Recent methods rely on synthetic data or sparse annotations for limited indoor and even fewer outdoor scenes. We introduce a novel training-free approach for intrinsic image decomposition using only a pair of visible and thermal images. We leverage the principle that light not reflected from an opaque surface is absorbed and detected as heat by a thermal camera. This allows us to relate the ordinalities between visible and thermal image intensities to the ordinalities of shading and reflectance, which can densely self-supervise an optimizing neural network to recover shading and reflectance. We perform quantitative evaluations with known reflectance and shading under natural and artificial lighting, and qualitative experiments across diverse outdoor scenes. The results demonstrate superior performance over recent learning-based models and point toward a scalable path to curating real-world ordinal supervision, previously infeasible via manual labeling.
- Abstract（参考訳）: イメージをその固有の測光要素(シェーディングとリフレクタンス)に分解することは、現実世界のシーンに膨大な地平データがないため、長年の課題である。
近年の手法は、室内の限られたシーンと、より少ない屋外シーンのための合成データやスパースアノテーションに依存している。
本稿では,一対の可視画像と熱画像のみを用いた内在画像分解のための新しいトレーニングフリーアプローチを提案する。
我々は不透明な表面から反射しない光が熱カメラによって吸収され、熱として検出されるという原理を活用する。
これにより、可視画像強度と熱画像強度の順序性とシェーディングと反射の順序性を関連付けることができ、それによって、最適化されたニューラルネットワークを密に自己監督し、シェーディングと反射を回復することができる。
自然照明および人工照明下での反射率および陰影の定量的評価を行い,屋外の様々な場面における定性的実験を行った。
その結果,近年の学習モデルよりも優れた性能を示し,従来手動ラベリングでは実現不可能であった,現実世界の順序管理のカリキュラム化に向けたスケーラブルな経路に向けられた。
関連論文リスト
- MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。
本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
論文 参考訳（メタデータ） (2025-10-13T13:29:20Z) - Bright-NeRF:Brightening Neural Radiance Field with Color Restoration from Low-light Raw Images [8.679462472714942]
本稿では,低照度原画像から高輝度・高画質の放射場を教師なしで学習するBright-NeRFを提案する。
本手法は,色復元,デノナイズ,新規なビュー合成の促進を同時に実現している。
論文 参考訳（メタデータ） (2024-12-19T05:55:18Z) - PIR: Photometric Inverse Rendering with Shading Cues Modeling and Surface Reflectance Regularization [46.146783750386994]
本稿では,ニューラル・リバース・レンダリングの新しい手法を提案する。
画像の自己陰影を考慮した光源位置の最適化を行う。
表面反射率の分解性を高めるために,新しい正則化を導入する。
論文 参考訳（メタデータ） (2024-08-13T11:39:14Z) - SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and
Illumination Removal in High-Illuminance Scenes [51.50157919750782]
本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。
間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。
強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
論文 参考訳（メタデータ） (2023-10-19T10:44:23Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - 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) - Semi-supervised atmospheric component learning in low-light image
problem [0.0]
環境照明条件は、写真装置から画像の知覚的品質を決定する上で重要な役割を担っている。
本研究では,低照度画像復元のための非参照画像品質指標を用いた半教師付きトレーニング手法を提案する。
論文 参考訳（メタデータ） (2022-04-15T17:06:33Z) - Neural Relightable Participating Media Rendering [26.431106015677]
我々は,グローバル照明の完全なシミュレーションにより,参加メディアのためのニューラル表現を学習する。
提案手法は,最先端手法と比較して,視覚的品質と数値的性能に優れる。
論文 参考訳（メタデータ） (2021-10-25T14:36:15Z) - Learning Flow-based Feature Warping for Face Frontalization with
Illumination Inconsistent Supervision [73.18554605744842]
Flow-based Feature Warping Model (FFWM) は、正面画像を保存するフォトリアリスティックおよび照明の合成を学ぶ。
Illumination Preserving Module (IPM) を提案する。
Warp Attention Module (WAM) は、機能レベルでのポーズの相違を低減するために導入された。
論文 参考訳（メタデータ） (2020-08-16T06:07:00Z) - Neural Reflectance Fields for Appearance Acquisition [61.542001266380375]
シーン内の任意の3次元点における体積密度, 正規および反射特性をエンコードする新しい深部シーン表現であるニューラルリフレクタンス場を提案する。
我々はこの表現を、任意の視点と光の下でニューラルリフレクタンスフィールドから画像を描画できる物理的にベースとした微分可能光線マーチングフレームワークと組み合わせる。
論文 参考訳（メタデータ） (2020-08-09T22:04:36Z)
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。