論文の概要: Lunar-G2R: Geometry-to-Reflectance Learning for High-Fidelity Lunar BRDF Estimation

• arxiv url: http://arxiv.org/abs/2601.10449v1
• Date: Thu, 15 Jan 2026 14:39:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.172077
• Title: Lunar-G2R: Geometry-to-Reflectance Learning for High-Fidelity Lunar BRDF Estimation
• Title（参考訳）: ルナーG2R:高忠実ルナーBRDF推定のための幾何-反射学習
• Authors: Clementine Grethen, Nicolas Menga, Roland Brochard, Geraldine Morin, Simone Gasparini, Jeremy Lebreton, Manuel Sanchez Gestido,
• Abstract要約: 月面デジタル標高モデル(DEM)から直接空間的に変化するBRDFパラメータを予測する幾何学-反射学習フレームワークを提案する。 チコクレーターの地理的に保持された地域での実験では, 最先端のベースラインに比べて光度誤差が38%減少することが示された。
• 参考スコア（独自算出の注目度）: 0.11242503819703255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We address the problem of estimating realistic, spatially varying reflectance for complex planetary surfaces such as the lunar regolith, which is critical for high-fidelity rendering and vision-based navigation. Existing lunar rendering pipelines rely on simplified or spatially uniform BRDF models whose parameters are difficult to estimate and fail to capture local reflectance variations, limiting photometric realism. We propose Lunar-G2R, a geometry-to-reflectance learning framework that predicts spatially varying BRDF parameters directly from a lunar digital elevation model (DEM), without requiring multi-view imagery, controlled illumination, or dedicated reflectance-capture hardware at inference time. The method leverages a U-Net trained with differentiable rendering to minimize photometric discrepancies between real orbital images and physically based renderings under known viewing and illumination geometry. Experiments on a geographically held-out region of the Tycho crater show that our approach reduces photometric error by 38 % compared to a state-of-the-art baseline, while achieving higher PSNR and SSIM and improved perceptual similarity, capturing fine-scale reflectance variations absent from spatially uniform models. To our knowledge, this is the first method to infer a spatially varying reflectance model directly from terrain geometry.
• Abstract（参考訳）: 月面リゴリスのような複雑な惑星表面の現実的で空間的に異なる反射率を推定する問題は、高忠実なレンダリングや視覚に基づくナビゲーションに欠かせない問題である。 既存の月面レンダリングパイプラインは、推定が難しく、局所的な反射率の変化を捉えるのに失敗し、測光リアリズムを制限する、単純化または空間的に均一なBRDFモデルに依存している。 月面デジタル標高モデル(DEM)から直接空間的に変化するBRDFパラメータを予測し,マルチビュー画像や制御照明,専用の反射率キャプチャハードウェアを推論時に必要とせず,幾何-反射率学習フレームワークであるLunar-G2Rを提案する。 この方法は、異なるレンダリングで訓練されたU-Netを利用して、実軌道画像と既知の視光および照明幾何学の下での物理ベースのレンダリングとの間の光度差を最小限に抑える。 チコクレーターの地理的保持領域における実験により,PSNRおよびSSIMの高感度化と知覚的類似性の向上を図り,空間的に均一なモデルから欠落した微視的反射率の変化を捉えながら,光度誤差を38%低減することを示した。 我々の知る限り、地形幾何学から直接空間的に変化する反射率モデルを推定する最初の方法である。

関連論文リスト

• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• BRDF-NeRF: Neural Radiance Fields with Optical Satellite Images and BRDF Modelling [0.0]
  本稿では,Rahman-Pinty-Verstraete (RPV) BRDFモデルを用いたBRDF-NeRFを提案する。 BRDF-NeRFは目に見えない角度から新しいビューを合成し、高品質なデジタル表面モデルを生成する。
  論文  参考訳（メタデータ） (2024-09-18T14:28:52Z)
• An Atmospheric Correction Integrated LULC Segmentation Model for High-Resolution Satellite Imagery [0.0]
  本研究では、大気の反射率と透過率を推定するために、ルックアップテーブルに基づく放射移動シミュレーションを用いる。 その後、修正された表面反射データは、教師付きおよび半教師付きセグメンテーションモデルで使用された。
  論文  参考訳（メタデータ） (2024-09-09T10:47:39Z)
• NeRSP: Neural 3D Reconstruction for Reflective Objects with Sparse Polarized Images [62.752710734332894]
  NeRSPはスパース偏光画像を用いた反射面のニューラル3次元再構成技術である。 偏光画像形成モデルと多視点方位整合性から測光的および幾何学的手がかりを導出する。 我々は6つのビューのみを入力として、最先端の表面再構成結果を達成する。
  論文  参考訳（メタデータ） (2024-06-11T09:53:18Z)
• A Neural Height-Map Approach for the Binocular Photometric Stereo Problem [36.404880059833324]
  双眼鏡測光ステレオ(PS)フレームワークは単視PSと同じ取得速度を持つが、推定幾何の質は著しく向上する。 本手法は両眼立体装置に適応したDiLiGenT-MVデータセットの最先端性能と新しい両眼測光ステレオデータセットLUCES-STを実現する。
  論文  参考訳（メタデータ） (2023-11-10T09:45:53Z)
• High-Quality RGB-D Reconstruction via Multi-View Uncalibrated Photometric Stereo and Gradient-SDF [48.29050063823478]
  本稿では、カメラのポーズ、照明、アルベド、表面の正規化に取り組み、新しい多視点RGB-Dベースの再構成手法を提案する。 提案手法は,特定の物理モデルを用いて画像描画過程を定式化し,実際の表面の体積量を最適化する。
  論文  参考訳（メタデータ） (2022-10-21T19:09:08Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。