論文の概要: Lighting in Motion: Spatiotemporal HDR Lighting Estimation

• arxiv url: http://arxiv.org/abs/2512.13597v1
• Date: Mon, 15 Dec 2025 17:49:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.787451
• Title: Lighting in Motion: Spatiotemporal HDR Lighting Estimation
• Title（参考訳）: 動作中の照明:時空間HDR照明推定
• Authors: Christophe Bolduc, Julien Philip, Li Ma, Mingming He, Paul Debevec, Jean-François Lalonde,
• Abstract要約: 我々は、光推定への拡散に基づくアプローチであるLiMo(Lighting in Motion)を提案する。 LiMoはリアルな高周波予測と正確な照度推定の両方である。
• 参考スコア（独自算出の注目度）: 17.395631978283657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Lighting in Motion (LiMo), a diffusion-based approach to spatiotemporal lighting estimation. LiMo targets both realistic high-frequency detail prediction and accurate illuminance estimation. To account for both, we propose generating a set of mirrored and diffuse spheres at different exposures, based on their 3D positions in the input. Making use of diffusion priors, we fine-tune powerful existing diffusion models on a large-scale customized dataset of indoor and outdoor scenes, paired with spatiotemporal light probes. For accurate spatial conditioning, we demonstrate that depth alone is insufficient and we introduce a new geometric condition to provide the relative position of the scene to the target 3D position. Finally, we combine diffuse and mirror predictions at different exposures into a single HDRI map leveraging differentiable rendering. We thoroughly evaluate our method and design choices to establish LiMo as state-of-the-art for both spatial control and prediction accuracy.
• Abstract（参考訳）: 時空間光推定のための拡散型アプローチであるLiMo(Lighting in Motion)を提案する。 LiMoはリアルな高周波詳細予測と正確な照度推定の両方をターゲットとしている。 両者を説明するために,入力中の3次元位置に基づいて,異なる露光でミラー球と拡散球の集合を生成することを提案する。 拡散先行モデルを用いて,屋内および屋外の大規模カスタマイズデータセット上に,時空間光プローブと組み合わせて,既存の拡散モデルを微調整する。 正確な空間条件付けのために,深度だけでは不十分であることを示すとともに,ターゲット3D位置に対するシーンの相対的な位置を与えるための新しい幾何学的条件を導入する。 最後に、異なる露光における拡散とミラー予測を、微分可能なレンダリングを利用した単一のHDRIマップに組み合わせる。 我々は,空間制御と予測精度の両面において,LiMoを最先端技術として確立するための手法と設計選択を徹底的に評価した。

関連論文リスト

• Spatiotemporally Consistent Indoor Lighting Estimation with Diffusion Priors [18.794530505630227]
  単一の画像やビデオからの照明推定は、非常に不適切な性質のため、依然として課題である。 本稿では,シーンの照明を記述する連続光場を記述する入力映像から推定する手法を提案する。 従来の作品ではめったに実演されていない映像からの一貫した照明推定結果について検討した。
  論文  参考訳（メタデータ） (2025-08-11T18:11:42Z)
• Neural LightRig: Unlocking Accurate Object Normal and Material Estimation with Multi-Light Diffusion [45.81230812844384]
  本稿では,2次元拡散先行から補助的な多照光条件を活用することにより,本質的な推定を促進する新しいフレームワークを提案する。 我々は、U-Netバックボーンで大きなGバッファモデルを訓練し、表面の正常さや材料を正確に予測する。
  論文  参考訳（メタデータ） (2024-12-12T18:58:09Z)
• A Diffusion Approach to Radiance Field Relighting using Multi-Illumination Synthesis [6.883971329818549]
  単一照度データを用いた照度場作成手法を提案する。 光方向条件付き多照度データセット上で,まず2次元拡散モデルを微調整する。 単一照明下での合成および実マルチビューデータについて結果を示す。
  論文  参考訳（メタデータ） (2024-09-13T16:07:25Z)
• Spatiotemporally Consistent HDR Indoor Lighting Estimation [66.26786775252592]
  本研究では,屋内照明推定問題を解決するための物理動機付きディープラーニングフレームワークを提案する。 深度マップを用いた1枚のLDR画像から,任意の画像位置における空間的に一貫した照明を予測できる。 我々のフレームワークは、最先端の単一画像やビデオベースの手法と比較して、高画質で光リアリスティック照明予測を実現する。
  論文  参考訳（メタデータ） (2023-05-07T20:36:29Z)
• Neural Light Field Estimation for Street Scenes with Differentiable Virtual Object Insertion [129.52943959497665]
  既存の屋外照明推定の作業は通常、シーン照明を環境マップに単純化する。 単一画像から5次元HDR光場を推定するニューラルネットワークを提案する。 自律運転アプリケーションにおけるARオブジェクト挿入の利点を示す。
  論文  参考訳（メタデータ） (2022-08-19T17:59:16Z)
• 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)
• EMLight: Lighting Estimation via Spherical Distribution Approximation [33.26530733479459]
  本稿では,回帰ネットワークとニューラルプロジェクタを用いて正確な照明推定を行う照明推定フレームワークを提案する。 照明マップを球状光分布、光強度、周囲期間に分解します。 予測された球面分布、光強度、周囲項の誘導の下で、神経プロジェクターは現実的な光周波数でパノラマ照明マップを合成する。
  論文  参考訳（メタデータ） (2020-12-21T04:54:08Z)
• Lighthouse: Predicting Lighting Volumes for Spatially-Coherent Illumination [84.00096195633793]
  入力狭帯域ステレオ画像ペアからシーン内の任意の3次元位置における入射照度を推定する深層学習ソリューションを提案する。 本モデルでは,入力ステレオペア近傍の視野ビューと,各シーン内の球状パノラマのみを監督する。 提案手法は,高精細な仮想物体を実画像に挿入して照らし出すのに十分な空間変化の連続した照明を予測できることを実証する。
  論文  参考訳（メタデータ） (2020-03-18T17:46:30Z)
• Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset for Spatially Varying Isotropic Materials [65.95928593628128]
  多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。 我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
  論文  参考訳（メタデータ） (2020-01-18T12:26:22Z)

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。