論文の概要: Learning Sparse BRDF Measurement Samples from Image

• arxiv url: http://arxiv.org/abs/2604.26740v1
• Date: Wed, 29 Apr 2026 14:39:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.444355
• Title: Learning Sparse BRDF Measurement Samples from Image
• Title（参考訳）: 画像からのスパースBRDF計測サンプルの学習
• Authors: Wen Cao,
• Abstract要約: 本研究は, 学習材料下での材料外観に最も有用なBRDF測定値の選定方法について検討した。 提案手法は,スパース値観測のためのセットエンコーダ,トレーニング済みのハイパーネットワークベースBRDF再構成器,および異なる調整可能なサンプリング器を組み合わせたものである。 MERLデータセットを用いた実験により, 提案したサンプルは, 神経再建ベースラインと比較して, 8, 16測定で低予算再構築品質を向上することが示された。
• 参考スコア（独自算出の注目度）: 1.7006003864727406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate BRDF acquisition is important for realistic rendering, but dense gonioreflectometer measurements are slow and expensive. We study how to select a small number of BRDF measurements that are most useful for reconstructing material appearance under a learned reflectance prior. Our method combines a set encoder for sparse coordinate-value observations, a pretrained hypernetwork-based BRDF reconstructor, and a differentiable renderer. During sampler training, the reconstructor is kept fixed and gradients from BRDF-space and rendered-image losses are used to optimize measurement locations. This separates sample selection from prior fitting and encourages the sampler to choose directions that are informative under the learned material distribution. Experiments on the MERL dataset show that the proposed sampler improves low-budget reconstruction quality at 8 and 16 measurements compared with neural reconstruction baselines, while PCA-based methods remain strong at larger budgets. We further analyze the effect of image-space supervision, co-optimization, and image-only latent fitting for unseen materials.
• Abstract（参考訳）: BRDFの正確な取得は現実的なレンダリングには重要であるが、高密度のゴニオルエレクトロメータは遅くて高価である。 材料外観の再現に最も有用なBRDF測定を,学習前の反射率で選択する方法について検討した。 本手法は、疎座標値観測のためのセットエンコーダ、事前訓練されたハイパーネットワークベースのBRDF再構成器、および微分可能なレンダラーを組み合わせたものである。 試料採取訓練中は, 再構成器を固定し, BRDF空間からの勾配, レンダリング画像の損失を用いて測定位置を最適化する。 これにより、サンプル選択と事前のフィッティングとを分離し、学習材料分布の下で情報となる方向を選択することを推奨する。 MERLデータセットを用いた実験により,PCA法はより大規模な予算で強いが,提案法は神経再建ベースラインと比較して,8,16測定で低予算再構築品質を向上させることが示された。 さらに, 画像空間の監督, 共同最適化, 画像のみの潜伏フィッティングの効果について検討した。

関連論文リスト

• Intrinsic Image Fusion for Multi-View 3D Material Reconstruction [49.43509537480623]
  多視点画像から高品質な物理材料を再構成するIntrinsic Image Fusionを導入する。 本研究は, 合成シーンと実シーンの両方において, 素材のゆがみにおいて, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-12-15T10:05:59Z)
• A Neural Quality Metric for BRDF Models [10.013077301017292]
  本稿では,BRDF空間内で直接動作するBRDF評価のための最初の知覚情報に基づく神経質指標を提案する。 我々のネットワークは、参照のペア化されたサンプルとして、BRDFを近似し、Just-objectionable-Difference (JOD)スコアを用いて知覚品質を予測する。 BRDFフィッティングの損失関数としての性能は依然として制限されているが,提案手法はBRDFモデルを評価するための知覚的基礎的な代替手段を提供する。
  論文  参考訳（メタデータ） (2025-08-04T07:24:46Z)
• Deep image-based Adaptive BRDF Measure [4.114230450673087]
  本稿では,高品質BRDF撮影に必要な試料数を最小化するための新しい手法を提案する。 軽量ニューラルネットワークはまず、解析的BRDFモデルのパラメータとサンプル位置の分布を推定する。 2番目のステップでは、画像ベースの損失を使用して、必要な精度を満たすために必要なサンプルの数を見つけます。
  論文  参考訳（メタデータ） (2024-10-03T19:08:48Z)
• Ambient Diffusion Posterior Sampling: Solving Inverse Problems with Diffusion Models Trained on Corrupted Data [54.09959775518994]
  線形に破損したデータから学習した拡散モデルを用いて逆問題を解決するためのフレームワークを提供する。 加速度係数R=2,4,6,8のサブサンプルによるマルチコイル測定にのみアクセス可能なMRI拡散モデルを訓練する。 高加速度環境下でのMRI再構成において、サブサンプルデータでトレーニングされたA-DPSモデルは、完全サンプルデータでトレーニングされたモデルよりも逆問題の解決に適している。
  論文  参考訳（メタデータ） (2024-03-13T17:28:20Z)
• Conditional Variational Autoencoder for Learned Image Reconstruction [5.487951901731039]
  本研究では,未知画像の後部分布を問合せ観測で近似する新しいフレームワークを開発する。 暗黙のノイズモデルと先行処理を処理し、データ生成プロセス(フォワード演算子)を組み込み、学習された再構成特性は異なるデータセット間で転送可能である。
  論文  参考訳（メタデータ） (2021-10-22T10:02:48Z)
• Neural BRDF Representation and Importance Sampling [79.84316447473873]
  本稿では,リフレクタンスBRDFデータのコンパクトニューラルネットワークに基づく表現について述べる。 BRDFを軽量ネットワークとしてエンコードし、適応角サンプリングによるトレーニングスキームを提案する。 複数の実世界のデータセットから等方性および異方性BRDFの符号化結果を評価する。
  論文  参考訳（メタデータ） (2021-02-11T12:00:24Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)

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。