論文の概要: Neural Acquisition & Representation of Subsurface Scattering

• arxiv url: http://arxiv.org/abs/2606.02292v1
• Date: Mon, 01 Jun 2026 14:14:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.204818
• Title: Neural Acquisition & Representation of Subsurface Scattering
• Title（参考訳）: 地下散乱のニューラルな獲得と表現
• Authors: Arjun Majumdar, Raphael Braun, Hendrik Lensch,
• Abstract要約: 被写体表面の各点における画素フットプリント応答を学習することにより,光輸送の地下散乱特性を高精度に把握し,推定する手法を提案する。 位相シフトプロファイロメトリーパターンを用いたステレオプロジェクタ・カメラは、様々な散乱物体のデータを効率的にキャプチャする。
• 参考スコア（独自算出の注目度）: 6.620925366901447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a method to acquire and estimate the sub-surface scattering properties of light transport at a highly detailed level by learning the pixel footprint response at each point on the object surface. The reconstruction leverages 3D scanning techniques as input to a U-Net CNN. A stereo projector-camera setup using phase-shifted profilometry (PSP) patterns efficiently captures the data for a variety of scattering objects. Reconstructing dense pixel footprints allows for relighting with arbitrary high-resolution projector patterns. The final output is a relit color image. Qualitative and quantitative comparison against illuminated real-world captured images demonstrate that the predicted footprints are almost identical to the actual responses. The same model is trained for multiple views across multiple objects such that the learned representations can be used to generalize to unseen sub-surface scattering materials as well.
• Abstract（参考訳）: 被写体表面の各点における画素フットプリント応答を学習することにより,光輸送の地下散乱特性を高精度に把握し,推定する手法を提案する。 この再構成は、U-Net CNNへの入力として3Dスキャン技術を活用する。 位相シフトプロファイロメトリー(PSP)パターンを用いたステレオプロジェクタ・カメラのセットアップは、様々な散乱物体のデータを効率的にキャプチャする。 密度の高いピクセルフットプリントを再構築することで、任意の高解像度のプロジェクターパターンでリライトすることができる。 最終的な出力は、信頼されたカラー画像である。 実世界の撮影画像に対する定性的かつ定量的な比較は、予測されたフットプリントが実際の反応とほぼ同じであることを示す。 同じモデルは、複数のオブジェクトをまたいだ複数のビューのために訓練されており、学習された表現を使って、未確認の地表面散乱材料にも一般化することができる。

関連論文リスト

• LiTo: Surface Light Field Tokenization [27.584805504757824]
  オブジェクト形状とビュー依存外観を協調的にモデル化する3次元潜在表現を提案する。 提案手法は既存の手法よりも高い視覚的品質と入力忠実度を実現する。
  論文  参考訳（メタデータ） (2026-03-11T17:59:59Z)
• 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)
• RMAFF-PSN: A Residual Multi-Scale Attention Feature Fusion Photometric Stereo Network [37.759675702107586]
  複雑な構造空間材料変化領域における2次元画像からの物体の正確な地図の予測は困難である。 画像の解像度の異なるステージとスケールから特徴情報を校正する手法を提案する。 このアプローチは、複雑な領域における物体のテクスチャや幾何学といった、より物理的な情報を保存する。
  論文  参考訳（メタデータ） (2024-04-11T14:05:37Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)
• Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
  多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。 我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。 本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
  論文  参考訳（メタデータ） (2021-10-11T20:20:03Z)
• 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。