論文の概要: SRUG: Shadow-Guided Relightable Urban Scene with Generation Model

• arxiv url: http://arxiv.org/abs/2605.24700v2
• Date: Thu, 28 May 2026 13:09:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:54.630554
• Title: SRUG: Shadow-Guided Relightable Urban Scene with Generation Model
• Title（参考訳）: SRUG:ジェネレーションモデル付きシャドウガイド・リライタブル・アーバンシーン
• Authors: Yonghao Zhao, Zexin Yin, Jian Yang, Beibei Wang, Jin Xie,
• Abstract要約: SRUG(Shadow-guided Relightable Urban Scene with Generation Model)は、都市景観におけるライティング課題に対処する新しい枠組みである。 SRUGは影を利用して、見えない領域の幾何学を復元する3D補完モデルを導出する。 都市景観の複雑な照明を捉え,信頼性の高い照明を支援する物理的照明モデルを提案する。
• 参考スコア（独自算出の注目度）: 26.493362508040978
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Creating relightable urban scenes from images or videos is widely useful but highly ill-posed. Urban environments are typically unbounded and extend beyond the visible regions. As a result, many portions of the scene remain unobserved, yet these invisible regions can cast shadows onto visible areas. Reasonably modeling shadows cast by such invisible regions is challenging and poses a significant obstacle to creating relightable urban scenes. At the same time, sparse input views and complex illumination conditions further complicate relighting, as they introduce severe ambiguities in material decomposition. In this paper, we propose Shadow-guided Relightable Urban Scene with Generation model (SRUG), a novel framework designed to address relighting challenges in urban scenes. SRUG leverages shadows to guide a 3D completion model for recovering the geometry of invisible regions, promoting the synthesis of physically reasonable shadows. In addition, SRUG employs an iterative material decomposition scheme that applies the large material model (LMM) to provide material supervision and iteratively decompose the scene's material properties, enabling robust material decomposition. Building upon these components, we introduce a physically-based lighting model that captures the complex illumination of urban scenes and supports reliable relighting. Extensive quantitative evaluations and visual comparisons demonstrate that our method outperforms existing approaches in both novel view synthesis and relighting tasks.
• Abstract（参考訳）: 映像やビデオから楽しい都市シーンを作り出すことは、広く有用だが、非常に不適切である。 都市環境は一般的に無境界であり、可視域を超えて広がる。 その結果、シーンの多くの部分は保存されていないが、これらの見えない領域は見えない領域に影を放つことができる。 このような目に見えない地域での影のモデリングは困難であり、楽しい都市景観を作る上で大きな障害となる。 同時に、スパース入力ビューと複雑な照明条件は、物質分解において深刻な曖昧さをもたらすため、より複雑である。 本稿では,都市景観におけるリライティングの課題に対処する新しい枠組みであるSRUG(Shadow-guided Relightable Urban Scene with Generation Model)を提案する。 SRUGは影を活用して、見えない領域の幾何学を復元するための3次元補完モデルを導き、物理的に合理的な影の合成を促進する。 さらに、SRUGは、大きな材料モデル(LMM)を適用して、シーンの材料特性を反復的に分解し、堅牢な材料分解を可能にする反復的な材料分解スキームを採用している。 これらの構成要素を基盤として,都市景観の複雑な照明を捉え,信頼性の高い照明を支援する物理的照明モデルを導入する。 広汎な定量的評価と視覚的比較により,本手法は新規なビュー合成とリライティングタスクの両方において既存手法よりも優れていることが示された。

関連論文リスト

• LightHarmony3D: Harmonizing Illumination and Shadows for Object Insertion in 3D Gaussian Splatting [90.15229815175593]
  光ハーモニー3D(LightHarmony3D)について述べる。 繰り返し最適化の代わりに生成前処理を活用することにより,本手法はシーン照明を効率よく捉えることができる。 3DGSでメッシュ挿入のための最初の専用ベンチマークを導入し、照明の一貫性と光リアリズムを評価するための標準化された評価フレームワークを提供する。
  論文  参考訳（メタデータ） (2026-03-31T03:26:30Z)
• LightCity: An Urban Dataset for Outdoor Inverse Rendering and Reconstruction under Multi-illumination Conditions [80.70675855203154]
  都市のシーンにおける逆レンダリングは、自動運転やデジタルツインといった応用にとって重要な要素である。 しかし、マルチイルミネーションや間接光、シャドウ効果などの複雑な照明条件のために大きな課題に直面している。 現実的な間接光と影効果を備えた多様な照明条件を特徴とする,高品質な合成都市データセットLightCityを提案する。
  論文  参考訳（メタデータ） (2026-02-01T09:37:00Z)
• Gaussian Shadow Casting for Neural Characters [20.78790953284832]
  本稿では,サンプリングを単純な解析式に置き換えたガウス密度プロキシを用いた新しい影モデルを提案する。 動的運動をサポートし、シャドウ計算用に調整されているため、近縁なガウススプラッティングで必要とされるアフィン射影近似やソートを避けることができる。 我々は、直射日光と硬い影を持つ屋外の挑戦シーンにおいて、アルベド、シェーディング、シャドウの分離性を向上し、改良された再構築を実演した。
  論文  参考訳（メタデータ） (2024-01-11T18:50:31Z)
• GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
  3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。 我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。 フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-11-26T02:35:09Z)
• UrbanIR: Large-Scale Urban Scene Inverse Rendering from a Single Video [22.613946218766802]
  UrbanIRは、1つのビデオで様々な照明条件下でのシーンのリアルで自由視点のレンダリングを可能にする新しい逆グラフィックモデルである。 形状、アルベド、可視性、そして太陽と空の照明は、車載カメラなど、幅広いベースラインのビデオから正確に推測する。 UrbanIRはこれらの問題に、逆グラフィック推論とレンダリングアーティファクトのエラーを減らす新たな損失で対処する。
  論文  参考訳（メタデータ） (2023-06-15T17:59:59Z)
• Neural Fields meet Explicit Geometric Representation for Inverse Rendering of Urban Scenes [62.769186261245416]
  本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。 具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
  論文  参考訳（メタデータ） (2023-04-06T17:51:54Z)

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。