論文の概要: Physics-Grounded Attached Shadow Detection Using Approximate 3D Geometry and Light Direction

• arxiv url: http://arxiv.org/abs/2512.06179v1
• Date: Fri, 05 Dec 2025 22:01:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.224073
• Title: Physics-Grounded Attached Shadow Detection Using Approximate 3D Geometry and Light Direction
• Title（参考訳）: 近似3次元幾何と光方向を用いた物理グラウンド付影検出
• Authors: Shilin Hu, Jingyi Xu, Sagnik Das, Dimitris Samaras, Hieu Le,
• Abstract要約: 付属影は、光が自己閉塞のため到達できない物体の表面に存在する。 シーン照明と幾何学との相互関係を考慮し,鋳造影と付着影を共同で検出する枠組みを提案する。 本システムは,両方の影を別々に予測する影検出モジュールと,検出した影から光方向を推定する光推定モジュールとから構成される。
• 参考スコア（独自算出の注目度）: 46.19532675330894
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Attached shadows occur on the surface of the occluder where light cannot reach because of self-occlusion. They are crucial for defining the three-dimensional structure of objects and enhancing scene understanding. Yet existing shadow detection methods mainly target cast shadows, and there are no dedicated datasets or models for detecting attached shadows. To address this gap, we introduce a framework that jointly detects cast and attached shadows by reasoning about their mutual relationship with scene illumination and geometry. Our system consists of a shadow detection module that predicts both shadow types separately, and a light estimation module that infers the light direction from the detected shadows. The estimated light direction, combined with surface normals, allows us to derive a geometry-consistent partial map that identifies regions likely to be self-occluded. This partial map is then fed back to refine shadow predictions, forming a closed-loop reasoning process that iteratively improves both shadow segmentation and light estimation. In order to train our method, we have constructed a dataset of 1,458 images with separate annotations for cast and attached shadows, enabling training and quantitative evaluation of both. Experimental results demonstrate that this iterative geometry-illumination reasoning substantially improves the detection of attached shadows, with at least 33% BER reduction, while maintaining strong full and cast shadow performance.
• Abstract（参考訳）: 付着した影は、自己閉塞のため光が届かないオクルーダーの表面で起こる。 オブジェクトの3次元構造を定義し、シーン理解を強化するためには、これらが不可欠である。 しかし、既存のシャドウ検出方法は、主にキャストシャドウをターゲットにしており、アタッチドシャドウを検出する専用のデータセットやモデルはない。 このギャップに対処するために、シーン照明と幾何学との相互関係を推論することで、キャストとアタッチメントの影を共同で検出するフレームワークを導入する。 本システムは,両方の影を別々に予測する影検出モジュールと,検出した影から光方向を推定する光推定モジュールとから構成される。 推定光方向は、表面正規と組み合わせることで、自包される可能性のある領域を識別する幾何整合部分写像を導出することができる。 この部分写像は、シャドウ予測を洗練させ、シャドウ分割と光推定の両方を反復的に改善するクローズドループ推論プロセスを形成する。 提案手法を訓練するために,鋳型と付着影のアノテーションを別々に用いた1,458枚の画像のデータセットを構築し,両者の訓練と定量的評価を可能にした。 実験結果から, この反復的幾何照明推論により, 少なくとも33%のBER削減が可能であり, シャドウ性能は高いが, シャドウ性能は高いことが示唆された。

関連論文リスト

• Physics-Grounded Shadow Generation from Monocular 3D Geometry Priors and Approximate Light Direction [48.727438709248]
  影の形成の物理学において、オクルーダーは、それ以外は表面に到達するであろう光源から放たれるいくつかの光線を遮蔽し、オクルーダーのシルエットに続く影を形成する。 そこで本研究では,物理モデル(幾何学と照明)を深層学習に基づく影生成に組み込む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） (2025-12-05T21:52:23Z)
• Structure-Guided Diffusion Models for High-Fidelity Portrait Shadow Removal [34.35752953614944]
  拡散型ポートレートシャドウ除去手法を提案する。 まず,種々の合成照明条件を持つ実世界のポートレートデータセット上で,影に依存しない構造抽出ネットワークを訓練する。 その後、構造地図は、影を生成的に除去する構造誘導塗布拡散モデルを訓練するための条件として使用される。
  論文  参考訳（メタデータ） (2025-07-07T06:19:07Z)
• MetaShadow: Object-Centered Shadow Detection, Removal, and Synthesis [64.00425120075045]
  シャドウは画像編集アプリケーションでは過小評価されるか無視されることが多く、編集結果のリアリズムが制限される。 本稿では,自然画像中の影の検出・除去・制御が可能な3-in-one多元性フレームワークであるMetaShadowを紹介する。
  論文  参考訳（メタデータ） (2024-12-03T18:04:42Z)
• Shadow Removal Refinement via Material-Consistent Shadow Edges [33.8383848078524]
  同じ材料で領域を横断する影の縁の両側には、影を適切に取り除けば、原色とテクスチャは同一であるべきである。 画像セグメンテーション基盤モデルであるSAMを微調整し、影不変セグメンテーションを生成し、材料一貫性のあるシャドウエッジを抽出する。 本手法は,より難易度の高い画像に対して,影除去結果の改善に有効であることを示す。
  論文  参考訳（メタデータ） (2024-09-10T20:16:28Z)
• ShadowFormer: Global Context Helps Image Shadow Removal [41.742799378751364]
  シャドウ領域と非シャドウ領域のグローバルな文脈的相関を利用して、ディープシャドウ除去モデルを構築することは依然として困難である。 そこで我々はまず、ShandowFormerと呼ばれる新しいトランスフォーマーベースのネットワークを導出するRetinexベースのシャドウモデルを提案する。 グローバル情報を階層的にキャプチャするために,マルチスケールチャネルアテンションフレームワークが使用される。 本稿では,影と非陰影領域のコンテキスト相関を効果的にモデル化するために,影の相互作用を考慮したSIM(Shadow-Interaction Module)を提案する。
  論文  参考訳（メタデータ） (2023-02-03T10:54:52Z)
• Structure-Informed Shadow Removal Networks [67.57092870994029]
  既存のディープラーニングベースのシャドウ除去手法は、依然として影の残像を持つ画像を生成する。 本稿では,影残差問題に対処するために,画像構造情報を活用する構造インフォームド・シャドウ除去ネットワーク(StructNet)を提案する。 我々の手法は既存のシャドウ除去方法よりも優れており、StructNetは既存の手法と統合してさらに改善することができる。
  論文  参考訳（メタデータ） (2023-01-09T06:31:52Z)
• DeS3: Adaptive Attention-driven Self and Soft Shadow Removal using ViT Similarity [54.831083157152136]
  本稿では,適応的注意とViT類似性に基づいて,ハード,ソフト,セルフシャドーを除去する手法を提案する。 提案手法はSRD, AISTD, LRSS, USR, UIUCデータセットの最先端手法より優れている。
  論文  参考訳（メタデータ） (2022-11-15T12:15:29Z)
• Controllable Shadow Generation Using Pixel Height Maps [58.59256060452418]
  物理ベースのシャドウレンダリング法は3次元のジオメトリーを必要とするが、必ずしも利用できない。 深層学習に基づく影合成法は、光情報から物体の影へのマッピングを、影の幾何学を明示的にモデル化することなく学習する。 オブジェクト,グラウンド,カメラのポーズ間の相関を符号化する新しい幾何学的表現であるピクセルハイを導入する。
  論文  参考訳（メタデータ） (2022-07-12T08:29:51Z)

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。