論文の概要: Glass Surface Detection: Leveraging Reflection Dynamics in Flash/No-flash Imagery

• arxiv url: http://arxiv.org/abs/2511.16887v1
• Date: Fri, 21 Nov 2025 02:00:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.858503
• Title: Glass Surface Detection: Leveraging Reflection Dynamics in Flash/No-flash Imagery
• Title（参考訳）: ガラス表面検出:フラッシュ/ノーフラッシュ画像における反射ダイナミクスの活用
• Authors: Tao Yan, Hao Huang, Yiwei Lu, Zeyu Wang, Ke Xu, Yinghui Wang, Xiaojun Chang, Rynson W. H. Lau,
• Abstract要約: ガラスの表面は日常生活においてユビキタスであり、通常は無色で透明で、特徴に欠ける。 NFGlassNetは,フラッシュ/ノフラッシュ画像に現れる反射ダイナミクスを利用するガラス表面検出の新しい手法である。
• 参考スコア（独自算出の注目度）: 82.6332672749888
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Glass surfaces are ubiquitous in daily life, typically appearing colorless, transparent, and lacking distinctive features. These characteristics make glass surface detection a challenging computer vision task. Existing glass surface detection methods always rely on boundary cues (e.g., window and door frames) or reflection cues to locate glass surfaces, but they fail to fully exploit the intrinsic properties of the glass itself for accurate localization. We observed that in most real-world scenes, the illumination intensity in front of the glass surface differs from that behind it, which results in variations in the reflections visible on the glass surface. Specifically, when standing on the brighter side of the glass and applying a flash towards the darker side, existing reflections on the glass surface tend to disappear. Conversely, while standing on the darker side and applying a flash towards the brighter side, distinct reflections will appear on the glass surface. Based on this phenomenon, we propose NFGlassNet, a novel method for glass surface detection that leverages the reflection dynamics present in flash/no-flash imagery. Specifically, we propose a Reflection Contrast Mining Module (RCMM) for extracting reflections, and a Reflection Guided Attention Module (RGAM) for fusing features from reflection and glass surface for accurate glass surface detection. For learning our network, we also construct a dataset consisting of 3.3K no-flash and flash image pairs captured from various scenes with corresponding ground truth annotations. Extensive experiments demonstrate that our method outperforms the state-of-the-art methods. Our code, model, and dataset will be available upon acceptance of the manuscript.
• Abstract（参考訳）: ガラスの表面は日常的にユビキタスであり、通常は無色で透明で、特徴に欠ける。 これらの特徴により、ガラス表面の検出はコンピュータビジョンの課題となる。 既存のガラス表面検出法は、常に境界線(例えば、窓とドアフレーム)や反射線(英語版)に頼ってガラス表面を検知するが、正確な位置決めのためにガラス自体の固有の性質を完全に活用することはできなかった。 実世界のほとんどの場面では、ガラス表面の前面の照明強度は後方の照明強度と異なり、ガラス表面で見える反射のばらつきが生じる。 具体的には、ガラスの明るい側に立って、暗い側に向かってフラッシュを当てると、ガラス表面の既存の反射は消える傾向がある。 逆に、暗い側に立って、明るい側に向かってフラッシュを当てると、ガラス表面に異なる反射が現れる。 この現象に基づいて,フラッシュ・ノー・フラッシュ画像に現れる反射ダイナミクスを利用するガラス表面検出の新しい手法であるNFGlassNetを提案する。 具体的には、反射を抽出する反射コントラストマイニングモジュール(RCMM)と、反射やガラス表面から特徴を抽出して正確なガラス表面検出を行う反射ガイド注意モジュール(RGAM)を提案する。 ネットワークを学習するために、さまざまなシーンから取得した3.3Kのノーフラッシュとフラッシュイメージのペアで構成されたデータセットを構築する。 大規模な実験により,本手法は最先端の手法よりも優れていることが示された。 私たちのコード、モデル、データセットは、原稿の受け入れ時に利用可能になります。

関連論文リスト

• REF$^2$-NeRF: Reflection and Refraction aware Neural Radiance Field [4.714335699701277]
  本稿では,ガラスケースを含むシーンのNeRFモデリング手法を提案する。 リフレクションとリフレクションは、視聴者の視点に依存して独立な要素を用いてモデル化される。 既存の手法と比較して,ガラス屈折率と全体像のより正確なモデリングが可能である。
  論文  参考訳（メタデータ） (2023-11-28T12:14:22Z)
• Internal-External Boundary Attention Fusion for Glass Surface Segmentation [14.335849624907611]
  ガラスの表面境界がガラスの物体のキャラクタリゼーションにどう貢献するかを解析的に検討する。 X線やCTスキャンなどの課題の画像型を用いた事前セマンティックセグメンテーション手法に着想を得て, 内部・外部境界アテンションモジュールを分離する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-01T03:30:55Z)
• Nighttime Smartphone Reflective Flare Removal Using Optical Center Symmetry Prior [81.64647648269889]
  反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。 我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。 多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
  論文  参考訳（メタデータ） (2023-03-27T09:44:40Z)
• NeRF-DS: Neural Radiance Fields for Dynamic Specular Objects [63.04781030984006]
  ダイナミック・ニューラル・ラジアンス・フィールド(英語版)(NeRF)は、動的シーンの単眼RGBビデオからフォトリアリスティック・ノベル・ビュー・イメージをレンダリングできる強力なアルゴリズムである。 観測空間の表面位置と配向に条件付される神経放射場関数を再構成することにより,その限界に対処する。 本研究では,現実的な環境下での異なる移動スペクトルオブジェクトの自己合成データセットを用いて,新しいビュー合成品質に基づくモデルの評価を行った。
  論文  参考訳（メタデータ） (2023-03-25T11:03:53Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• Leveraging RGB-D Data with Cross-Modal Context Mining for Glass Surface Detection [47.87834602551456]
  ガラスの表面は、現代の建物が多くのガラスパネルを使用する傾向にあるため、ますます広くなっている。 これは、ロボット、自動運転車、ドローンなどの自律システムの運用に重大な課題をもたらす。 RGBと深度情報を組み合わせた新しいガラス表面検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-22T17:56:09Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)

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。