論文の概要: Towards Physically-Based Sky-Modeling For Image Based Lighting

• arxiv url: http://arxiv.org/abs/2512.15632v1
• Date: Mon, 15 Dec 2025 16:44:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:27.081047
• Title: Towards Physically-Based Sky-Modeling For Image Based Lighting
• Title（参考訳）: イメージベース照明のための物理的スカイモデリングに向けて
• Authors: Ian J. Maquignaz,
• Abstract要約: 環境マップは、光リアルな屋外シーンをコヒーレントな照明でレンダリングするための重要な要素である。 最近の研究は、雲の形成をより包括的かつ包括的に含むようにスカイモデルを拡張していますが、私たちが示すように、既存の手法は自然の空を忠実に再現するのに不足しています。 物理的に捕獲されたHDRIから直接学習したフレキシブルな全天候スカイモデルであるAllSkyを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate environment maps are a key component for rendering photorealistic outdoor scenes with coherent illumination. They enable captivating visual arts, immersive virtual reality, and a wide range of engineering and scientific applications. Recent works have extended sky-models to be more comprehensive and inclusive of cloud formations but, as we demonstrate, existing methods fall short in faithfully recreating natural skies. Though in recent years the visual quality of DNN-generated High Dynamic Range Imagery (HDRI) has greatly improved, the environment maps generated by DNN sky-models do not re-light scenes with the same tones, shadows, and illumination as physically captured HDR imagery. In this work, we demonstrate progress in HDR literature to be tangential to sky-modelling as current works cannot support both photorealism and the 22 f-stops required for the Full Dynamic Range (FDR) of outdoor illumination. We achieve this by proposing AllSky, a flexible all-weather sky-model learned directly from physically captured HDRI which we leverage to study the input modalities, tonemapping, conditioning, and evaluation of sky-models. Per user-controlled positioning of the sun and cloud formations, AllSky expands on current functionality by allowing for intuitive user control over environment maps and achieves state-of-the-art sky-model performance. Through our proposed evaluation, we demonstrate existing DNN sky-models are not interchangeable with physically captured HDRI or parametric sky-models, with current limitations being prohibitive of scalability and accurate illumination in downstream applications
• Abstract（参考訳）: 正確な環境マップは、光リアルな屋外シーンをコヒーレント照明でレンダリングするための重要な要素である。 視覚芸術の獲得、没入型バーチャルリアリティ、幅広い工学と科学の応用を可能にしている。 最近の研究は、雲の形成をより包括的かつ包括的に含むようにスカイモデルを拡張していますが、私たちが示すように、既存の手法は自然の空を忠実に再現するのに不足しています。 近年、DNN生成高ダイナミックレンジ画像(HDRI)の視覚的品質は大幅に向上しているが、DNNスカイモデルによって生成された環境マップは、物理的に捉えたHDR画像と同じトーン、影、照明のシーンをリライトしない。 本研究は,屋外照明のフルダイナミックレンジ(FDR)に必要な光リアリズムと22個のFストップの両方をサポートできないため,HDR文学の進歩がスカイモデリングに顕著であることを示す。 我々は、物理的に捕獲されたHDRIから直接学習したフレキシブル・オールウェザー・スカイモデルであるAllSkyを提案し、入力モード、トネマッピング、コンディショニング、およびスカイモデルの評価に活用する。 太陽と雲の形成をユーザが制御する位置において、AllSkyは環境マップの直感的なユーザコントロールを可能にし、最先端のスカイモデル性能を実現することで、現在の機能を拡張する。 提案した評価により,既存のDNNスカイモデルは,物理的に捕捉されたHDRIやパラメトリックスカイモデルと交換できないことを示した。

関連論文リスト

• Towards Physically-Based Sky-Modeling [0.0]
  物理的に捉えたHDR画像から直接天気予報を学習する全天候スカイモデルを提案する。 我々のモデル(AllSky)は、空の拡張ダイナミックレンジ(EDR)の維持を改善した物理的に捕獲された環境マップのエミュレーションを可能にする。
  論文  参考訳（メタデータ） (2024-12-16T15:32:05Z)
• Skyeyes: Ground Roaming using Aerial View Images [9.159470619808127]
  地上画像のシーケンスを生成するための新しいフレームワークであるSkyeyesを紹介した。 より具体的には、3D表現とビュー一貫した生成モデルを組み合わせることで、生成された画像間のコヒーレンスを保証する。 画像は、空間的時間的コヒーレンスとリアリズムを改善し、空間的視点からシーンの理解と可視化を強化する。
  論文  参考訳（メタデータ） (2024-09-25T07:21:43Z)
• NeRF On-the-go: Exploiting Uncertainty for Distractor-free NeRFs in the Wild [55.154625718222995]
  我々は,複雑なシーンにおける新規ビューのロバストな合成を可能にする,シンプルで効果的な方法であるNeRF On-the-goを紹介する。 本手法は,最先端技術よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-29T02:53:40Z)
• Relightable Neural Actor with Intrinsic Decomposition and Pose Control [80.06094206522668]
  提案するRelightable Neural Actorは、ポーズ駆動型ニューラルヒューマンモデルを学ぶための新しいビデオベース手法である。 トレーニングのためには、既知のが静的な照明条件下での人間のマルチビュー記録のみを必要とする。 実世界のシナリオにおける我々のアプローチを評価するため、屋内と屋外の異なる光条件下で記録された4つのアイデンティティを持つ新しいデータセットを収集した。
  論文  参考訳（メタデータ） (2023-12-18T14:30:13Z)
• Deep Dynamic Cloud Lighting [3.4442294678697385]
  そこで本研究では,初めて全スキーダイナミッククラウドを実現するソリューションを提案する。 我々は、様々な時間スケールで空の照度を予測することを学ぶマルチ・タイムスケールの空の外観モデルを合成する。
  論文  参考訳（メタデータ） (2023-04-18T22:02:54Z)
• ClimateNeRF: Extreme Weather Synthesis in Neural Radiance Field [57.859851662796316]
  シーンのNeRFモデルを用いて物理シミュレーションを融合する新しいNeRF編集手法について述べる。 結果はSOTA 2D画像編集やSOTA 3D NeRFスタイリングよりもはるかにリアルである。
  論文  参考訳（メタデータ） (2022-11-23T18:59:13Z)
• 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)
• Sat-NeRF: Learning Multi-View Satellite Photogrammetry With Transient Objects and Shadow Modeling Using RPC Cameras [10.269997499911668]
  サテライトニューラルレージアンスフィールド(Sat-NeRF)は,野生のマルチビュー衛星写真グラムを学習するための新しいエンドツーエンドモデルである。 Sat-NeRFは、ニューラルレンダリングの最新トレンドとネイティブ衛星カメラモデルを組み合わせたものだ。 我々は,異なる場所からのWorldView-3画像を用いてSat-NeRFを評価し,衛星カメラモデルにバンドル調整を適用する利点を強調した。
  論文  参考訳（メタデータ） (2022-03-16T19:18:46Z)
• Castle in the Sky: Dynamic Sky Replacement and Harmonization in Videos [14.6001438297068]
  本稿では,映像の空の交換と調和のための視覚的手法を提案する。 我々は,この芸術的創造過程を,スカイマット,モーション推定,画像ブレンディングなどの2つのプロキシタスクに分解する。 実験は、ハンドヘルドスマートフォンとダッシュカメラによって野生で撮影される様々なビデオで行われます。
  論文  参考訳（メタデータ） (2020-10-22T15:27:31Z)

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。