論文の概要: Reflection Generation for Composite Image Using Diffusion Model

• arxiv url: http://arxiv.org/abs/2604.02168v1
• Date: Thu, 02 Apr 2026 15:35:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.885534
• Title: Reflection Generation for Composite Image Using Diffusion Model
• Title（参考訳）: 拡散モデルを用いた複合画像の反射生成
• Authors: Haonan Zhao, Qingyang Liu, Jiaxuan Chen, Li Niu,
• Abstract要約: シャドウ生成は広く研究されてきたが、反射生成は未発見のままである。 基礎拡散モデルに反射配置と反射外観の事前情報を注入する。 トレーニングを支援するため、我々は最初の大規模オブジェクトリフレクションデータセットDEROBAを構築した。
• 参考スコア（独自算出の注目度）: 22.699034413532285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image composition involves inserting a foreground object into the background while synthesizing environment-consistent effects such as shadows and reflections. Although shadow generation has been extensively studied, reflection generation remains largely underexplored. In this work, we focus on reflection generation. We inject the prior information of reflection placement and reflection appearance into foundation diffusion model. We also divide reflections into two types and adopt type-aware model design. To support training, we construct the first large-scale object reflection dataset DEROBA. Experiments demonstrate that our method generates reflections that are physically coherent and visually realistic, establishing a new benchmark for reflection generation.
• Abstract（参考訳）: 画像合成では、背景に前景のオブジェクトを挿入し、影や反射のような環境に一貫性のある効果を合成する。 影の生成は広く研究されているが、反射の発生は未発見のままである。 この研究では、リフレクション生成に焦点を当てる。 基礎拡散モデルに反射配置と反射外観の事前情報を注入する。 また、リフレクションを2つのタイプに分割し、型認識モデル設計を採用します。 トレーニングを支援するため、我々は最初の大規模オブジェクトリフレクションデータセットDEROBAを構築した。 実験により,物理コヒーレントで視覚的にリアルなリフレクションが生成され,リフレクション生成のための新しいベンチマークが確立された。

関連論文リスト

• RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives [52.10688811929143]
  本稿では,マイクロファセット材料モデルとレイトレーシングを統合した統一フレームワークを提案する。 実験により, 複雑な環境下では, 物体の反射や物体の回収に成功していることが示された。
  論文  参考訳（メタデータ） (2026-04-01T05:50:03Z)
• Pygmalion Effect in Vision: Image-to-Clay Translation for Reflective Geometry Reconstruction [34.261318579652816]
  ピグマリオン・エフェクト・イン・ビジョン(Pygmalion Effect in Vision)は、画像から粘土への変換を通じて、反射物体を粘土のような形に"彫刻"する新しいフレームワークである。 ピグマリオンの神話に触発された本手法は,本質的な幾何学的整合性を維持しつつ,特異なキューを抑えることを学ぶ。
  論文  参考訳（メタデータ） (2025-11-26T06:34:58Z)
• Planar Reflection-Aware Neural Radiance Fields [32.709468082010126]
  我々は、窓などの平面反射体を共同でモデル化し、反射光を明示的に鋳造して高周波反射源を捉える反射型NeRFを提案する。 一次光線に沿ってレンダリングすると、きれいで反射のないビューとなり、一方、反射光線に沿って明示的にレンダリングすることで、非常に詳細な反射を再構成することができる。
  論文  参考訳（メタデータ） (2024-11-07T18:55:08Z)
• Monocular Identity-Conditioned Facial Reflectance Reconstruction [71.90507628715388]
  既存の方法は、顔の反射率モデルを学ぶために、大量の光ステージキャプチャーデータに依存している。 我々は、UV空間ではなく画像空間で反射率を学習し、ID2Reflectanceというフレームワークを提案する。 本フレームワークは,訓練に限られた反射率データを用いながら,単一の画像の反射率マップを直接推定することができる。
  論文  参考訳（メタデータ） (2024-03-30T09:43:40Z)
• Revisiting Single Image Reflection Removal In the Wild [83.42368937164473]
  本研究は,実環境におけるシングルイメージリフレクション除去(SIRR)の問題に焦点をあてる。 我々は,様々な現実世界のリフレクションシナリオに高度に適用可能な,高度なリフレクション収集パイプラインを考案した。 野生での反射除去(RRW)と呼ばれる大規模で高品質な反射データセットを開発する。
  論文  参考訳（メタデータ） (2023-11-29T02:31:10Z)
• ReflectNet -- A Generative Adversarial Method for Single Image Reflection Suppression [0.6980076213134382]
  本稿では,文脈理解モジュールと敵対的学習に基づく単一の画像反射除去手法を提案する。 提案手法は,PSNR と SSIM の観点から,SIR のベンチマークデータセット上で,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2021-05-11T17:33:40Z)
• Iterative Gradient Encoding Network with Feature Co-Occurrence Loss for Single Image Reflection Removal [6.370905925442655]
  単一画像反射除去のための反復グラデーション符号化ネットワークを提案する。 提案手法は,既存の画像設定に対する反射を良好に除去することができる。
  論文  参考訳（メタデータ） (2021-03-29T19:29:29Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)
• Single image reflection removal via learning with multi-image constraints [50.54095311597466]
  本稿では、上記のアプローチの利点を組み合わせ、その欠点を克服する新しい学習ベースソリューションを提案する。 提案アルゴリズムはディープニューラルネットワークを学習して、複数の入力画像間で強化されたジョイント制約でターゲットを最適化する。 我々のアルゴリズムは実画像上でリアルタイムかつ最先端の反射除去性能で動作する。
  論文  参考訳（メタデータ） (2019-12-08T06:10:49Z)

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。