論文の概要: Improving the color accuracy of lighting estimation models

• arxiv url: http://arxiv.org/abs/2509.18390v1
• Date: Mon, 22 Sep 2025 20:23:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.56777
• Title: Improving the color accuracy of lighting estimation models
• Title（参考訳）: 照明推定モデルの色精度向上
• Authors: Zitian Zhang, Joshua Urban Davis, Jeanne Phuong Anh Vu, Jiangtao Kuang, Jean-François Lalonde,
• Abstract要約: 照明推定法のカラーロバスト性について検討する。 予めトレーニングしたホワイトバランスネットワークで入力画像の事前処理を行うことで、カラーロバスト性が向上することがわかった。
• 参考スコア（独自算出の注目度）: 11.218484596935895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advances in high dynamic range (HDR) lighting estimation from a single image have opened new possibilities for augmented reality (AR) applications. Predicting complex lighting environments from a single input image allows for the realistic rendering and compositing of virtual objects. In this work, we investigate the color robustness of such methods -- an often overlooked yet critical factor for achieving visual realism. While most evaluations conflate color with other lighting attributes (e.g., intensity, direction), we isolate color as the primary variable of interest. Rather than introducing a new lighting estimation algorithm, we explore whether simple adaptation techniques can enhance the color accuracy of existing models. Using a novel HDR dataset featuring diverse lighting colors, we systematically evaluate several adaptation strategies. Our results show that preprocessing the input image with a pre-trained white balance network improves color robustness, outperforming other strategies across all tested scenarios. Notably, this approach requires no retraining of the lighting estimation model. We further validate the generality of this finding by applying the technique to three state-of-the-art lighting estimation methods from recent literature.
• Abstract（参考訳）: 単一画像からの高ダイナミックレンジ(HDR)照明推定の進歩は、拡張現実(AR)アプリケーションに新たな可能性をもたらした。 単一の入力画像から複雑な照明環境を予測することで、仮想オブジェクトのリアルなレンダリングと合成が可能になる。 本研究では, 視覚的リアリズムを実現する上で, しばしば見過ごされるが重要な要因である, このような手法の色のロバスト性について検討する。 ほとんどの評価では、色を他の照明特性(例えば、強度、方向)と区別するが、色を関心の一次変数として分離する。 新しい照明推定アルゴリズムを導入するのではなく、既存のモデルの色精度を向上させるための簡単な適応手法を提案する。 多様な照明色を特徴とする新しいHDRデータセットを用いて,適応戦略を体系的に評価した。 以上の結果から,事前学習されたホワイトバランスネットワークによる入力画像の事前処理により,カラーロバスト性が向上し,テストシナリオ全体の他の戦略よりも優れた結果が得られた。 特に、この手法では照明推定モデルの再学習は不要である。 この手法を最近の文献からの3つの最先端照明推定手法に適用することにより,この発見の汎用性をさらに検証する。

関連論文リスト

• LuxDiT: Lighting Estimation with Video Diffusion Transformer [66.60450792095901]
  単一の画像やビデオからシーンライティングを推定することは、コンピュータビジョンとグラフィックスにおいて長年の課題である。 本稿では,映像拡散変換器を微調整し,視覚入力を前提としたHDR環境マップを生成するLuxDiTを提案する。
  論文  参考訳（メタデータ） (2025-09-03T19:59:20Z)
• After the Party: Navigating the Mapping From Color to Ambient Lighting [48.01497878412971]
  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。
  論文  参考訳（メタデータ） (2025-08-04T08:07:03Z)
• Illuminant and light direction estimation using Wasserstein distance method [0.0]
  本研究では,ワッサーシュタイン距離を用いて画像中の照度と光方向を推定する手法を提案する。 多様な画像に対する実験は、支配的な光源を検出し、その方向を推定する手法の有効性を示す。 このアプローチは、光源のローカライゼーション、画像の品質評価、オブジェクト検出の強化において、将来性を示す。
  論文  参考訳（メタデータ） (2025-03-03T19:20:09Z)
• 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)
• Zero-Shot Low Light Image Enhancement with Diffusion Prior [2.102429358229889]
  低照度画像強調(LLIE)のための「フリーランチ」ソリューション 我々は、事前訓練されたテキスト・画像の拡散を利用して、大量の自然画像の収集とモデル自体に存在する特徴を学習し、推論を導出する。
  論文  参考訳（メタデータ） (2024-12-18T00:31:18Z)
• SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry, Illumination, and Material Estimation [65.99344783327054]
  本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。 提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。 提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
  論文  参考訳（メタデータ） (2023-11-28T10:36:36Z)
• High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
  本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。 提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。 実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-29T13:31:28Z)
• Sparse Needlets for Lighting Estimation with Spherical Transport Loss [89.52531416604774]
  NeedleLightは、新しい照明推定モデルであり、必要に応じて照明を表現し、周波数領域と空間領域を共同で照明推定することができる。 大規模な実験により、NeedleLightは、最先端の手法と比較して、複数の評価指標で常に優れた照明推定を実現していることがわかった。
  論文  参考訳（メタデータ） (2021-06-24T15:19:42Z)

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。