論文の概要: ICTPolarReal: A Polarized Reflection and Material Dataset of Real World Objects

• arxiv url: http://arxiv.org/abs/2603.24912v1
• Date: Thu, 26 Mar 2026 01:01:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.034489
• Title: ICTPolarReal: A Polarized Reflection and Material Dataset of Real World Objects
• Title（参考訳）: ICTPolarReal:現実世界の物体の偏光反射と物質データ
• Authors: Jing Yang, Krithika Dharanikota, Emily Jia, Haiwei Chen, Yajie Zhao,
• Abstract要約: 実世界の物体の大規模偏光反射と物質データセットを8カメラ、346光の光ステージで撮影する。 我々のデータセットは、マルチビュー、マルチイルミネーション、偏光、反射率分離、物質特性収率1.2M以上の5つの取得次元の218の日常オブジェクトにまたがっている。 このデータセットを用いて、内在的分解、リライティング、スパースビュー3D再構成における最先端の逆レンダリングモデルと前方レンダリングモデルを訓練し、評価する。
• 参考スコア（独自算出の注目度）: 11.716946263732746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately modeling how real-world materials reflect light remains a core challenge in inverse rendering, largely due to the scarcity of real measured reflectance data. Existing approaches rely heavily on synthetic datasets with simplified illumination and limited material realism, preventing models from generalizing to real-world images. We introduce a large-scale polarized reflection and material dataset of real-world objects, captured with an 8-camera, 346-light Light Stage equipped with cross/parallel polarization. Our dataset spans 218 everyday objects across five acquisition dimensions-multiview, multi-illumination, polarization, reflectance separation, and material attributes-yielding over 1.2M high-resolution images with diffuse-specular separation and analytically derived diffuse albedo, specular albedo, and surface normals. Using this dataset, we train and evaluate state-of-the-art inverse and forward rendering models on intrinsic decomposition, relighting, and sparse-view 3D reconstruction, demonstrating significant improvements in material separation, illumination fidelity, and geometric consistency. We hope that our work can establish a new foundation for physically grounded material understanding and enable real-world generalization beyond synthetic training regimes. Project page: https://jingyangcarl.github.io/ICTPolarReal/
• Abstract（参考訳）: 実世界の物質がどのように光を反射するかを正確にモデル化することは、逆レンダリングにおける中心的な課題であり、これは主に実測反射データの不足のためである。 既存のアプローチは、単純な照明と制限された物質リアリズムを備えた合成データセットに大きく依存しており、モデルが現実のイメージに一般化することを防ぐ。 我々は,クロス/パラレル偏光を備えた8カメラ,346光の光ステージで捉えた,現実世界の物体の大規模偏光反射と物質データセットを紹介する。 本データセットは, マルチビュー, マルチイルミネーション, 偏光, 反射率分離, 高分解能画像1.2万枚以上, 回折アルベド, 分光アルベド, 表面正常の5次元の218個の日常オブジェクトにまたがっている。 本データセットを用いて,内在的分解,リライティング,スパースビュー3D再構成における最先端の逆レンダリングモデルと前方レンダリングモデルの訓練と評価を行い,材料分離,照明忠実度,幾何的整合性に有意な改善が示された。 われわれの研究は、物理的基盤を持つ物質理解のための新しい基盤を確立し、人工的な訓練体制を超えた現実世界の一般化を可能にすることを願っている。 プロジェクトページ:https://jingyangcarl.github.io/ICTPolarReal/

関連論文リスト

• OLATverse: A Large-scale Real-world Object Dataset with Precise Lighting Control [65.57356151743936]
  OLATverseは、765の現実世界のオブジェクトの約9Mの画像からなる大規模なデータセットである。 それぞれの物体は35個のDSLRカメラと331個の個別に制御された光源で撮影され、様々な照明条件のシミュレーションを可能にする。 我々は、逆レンダリングと正規推定のための最初の総合的な実世界のオブジェクト中心ベンチマークを構築し、広範囲な評価セットを構築した。
  論文  参考訳（メタデータ） (2025-11-04T11:13:43Z)
• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• Acquisition of Spatially-Varying Reflectance and Surface Normals via Polarized Reflectance Fields [15.653977591138682]
  実世界の物体の幾何と空間的に変化する反射率を正確に測定することは複雑な作業である。 偏光反射場キャプチャーと包括的統計解析アルゴリズムを用いた新しい手法を提案する。 広帯域の多種多様な物体の捕集形状と反射率を, 拡散度から光沢の範囲で示す。
  論文  参考訳（メタデータ） (2024-12-13T00:39:55Z)
• OpenMaterial: A Large-scale Dataset of Complex Materials for 3D Reconstruction [55.052637670485716]
  材料認識型3D再構成のための大規模半合成データセットであるOpenMaterialを紹介する。 導体、誘電体、プラスチックを含む295の異なる材料にまたがる1,001の物体と、その粗い変種が含まれ、714の異なる照明条件下で捕獲される。 マルチビュー画像、3D形状モデル、カメラポーズ、深度マップ、およびオブジェクトマスクを提供し、挑戦的な材料上で3D再構成を評価するための最初の広範囲なベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-13T07:46:17Z)

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。