論文の概要: Spectral Subsurface Scattering from RGB via Biophysical Skin Inversion

• arxiv url: http://arxiv.org/abs/2606.27604v1
• Date: Thu, 25 Jun 2026 23:30:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.326737
• Title: Spectral Subsurface Scattering from RGB via Biophysical Skin Inversion
• Title（参考訳）: 生体内皮インバージョンによるRGBからの分光下散乱
• Abstract要約: 地表面散乱の経路追跡に基づくレンダリングのための分光光インバージョンを提案する。 本稿では,1つのRGB拡散アルベドから全スペクトル散乱パラメータを予測するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper we present a spectral optical inversion for skin for path tracing-based rendering of subsurface scattering. Skin is a complex multilayered medium, with appearance determined by the mixture of biophysical chromophores. However, current methods rely on medium homogeneization, with optical parameters obtained via albedo inversion from a reflectance texture and hand-tuned scattering distance and anisotropy. This results into significant art-skilled manual labor for authoring, and an inaccurate scattering profile for skin. To solve these problems, we generalize existing albedo inversion techniques, and propose a framework that predicts full-spectral skin scattering parameters from a single RGB diffuse albedo. Our method builds upon a new mixture-of-media representation, that approximates the aggregated multilayered appearance of skin by mixing the aggregated scattering of three uncorrelated media. We train a chained neural decoder that maps RGB diffuse albedo to the optical properties of the mixture of media, including anisotropy, scattering radius and scattering albedo. Then, we show this mixture can be used in a random-walk-based path tracer with minimal modifications, by simply randomly selecting the medium to traverse.
• Abstract（参考訳）: 本稿では,地表面散乱の経路追跡に基づくレンダリングのための分光光インバージョンを提案する。 皮膚は複雑な多層性媒体であり、生物物理学的な色調の混合物によって外観が決定される。 しかし、現在の手法は、リフレクタンステクスチャーと手動散乱距離と異方性からアルベド反転によって得られる光学パラメータによって、媒体の均質化に依存している。 その結果,手作業によるオーサリングや,皮膚への不正確な散乱プロファイルが得られた。 これらの問題を解決するために,既存のアルベド変換手法を一般化し,単一のRGB拡散アルベドから全スペクトル散乱パラメータを予測するフレームワークを提案する。 本手法は, 3つの非相関媒体の凝集散乱を混合することにより, 皮膚の集合的多層的外観を近似する新しい混合媒質表現の上に構築する。 我々は、RGB拡散アルベドを異方性、散乱半径、散乱アルベドを含む媒体の光学特性にマッピングする鎖状神経デコーダを訓練する。 そして,この混合物を,媒体をランダムに選択することで,最小限の修正を施したランダムウォーク・パストレーサで使用することができることを示す。

関連論文リスト

• Near-Light Color Photometric Stereo for mono-Chromaticity non-lambertian surface [67.4383975650003]
  本稿では,一色性の仮定の下で,ニューラル暗黙表現を深度とBRDFモデリングに活用するフレームワークを提案する。 合成および実世界の両方のデータセットに対する実験により,本手法が高精度で堅牢な表面再構成を実現することを示す。
  論文  参考訳（メタデータ） (2026-01-19T02:26:08Z)
• I2-NeRF: Learning Neural Radiance Fields Under Physically-Grounded Media Interactions [48.696181442718206]
  I2-NeRFは、メディア劣化下での等方性メートル法知覚を高める新しい神経放射場フレームワークである。 本稿では, ベル・ランベルト減衰法により制御された粒子モデルに放射, 吸収, 散乱を統一する, メディア劣化のための一般的な放射型定式化について述べる。 光伝搬を垂直方向と水平方向の両方で均一に処理することにより、I2-NeRFは等方的距離知覚を可能にし、水深などの媒体特性を推定できる。
  論文  参考訳（メタデータ） (2025-10-25T05:13:28Z)
• TensoIS: A Step Towards Feed-Forward Tensorial Inverse Subsurface Scattering for Perlin Distributed Heterogeneous Media [9.981742844158903]
  画像からヘテロジニアス媒質の散乱パラメータを推定することは、過度に制約され難解な問題である。 実世界の異種散乱パラメータを明示的にモデル化できる具体的な分布は分かっていない。 本稿では、これらのパーリン分布不均一散乱パラメータを推定する学習ベースのフィードフォワードフレームワークであるTensoISを提案する。
  論文  参考訳（メタデータ） (2025-09-04T09:28:20Z)
• Non-Hermitian optical scattering in cold atoms via four-wave mixing [3.7941428390253193]
  非エルミート媒質中の非相反多重チャネル散乱について検討した。 4-level double-$Lambda$ 原子は異なる形の非相互多チャネル散乱を示す。 結果は、非エルミート光学散乱の分野に関する貴重な洞察を与える。
  論文  参考訳（メタデータ） (2025-04-04T02:37:03Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• NeuralMPS: Non-Lambertian Multispectral Photometric Stereo via Spectral Reflectance Decomposition [47.5182946590776]
  我々は、一般の非ランベルトスペクトル反射下でのMPS問題を解決するために、NeuralMPSというディープニューラルネットワークを提案する。 均一な材料を持つ表面のMPS問題は、未知の光強度を持つ従来の測光ステレオ(CPS)と等価であることを示す。
  論文  参考訳（メタデータ） (2022-11-28T13:46:17Z)
• Edge-preserving Near-light Photometric Stereo with Neural Surfaces [76.50065919656575]
  近光光度ステレオで解析的に微分可能なニューラルサーフェスを導入し、シャープ深度エッジでの微分誤差を回避する。 合成シーンと実世界のシーンの両方で実験を行い, エッジ保存による詳細な形状復元法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-07-11T04:51:43Z)
• Highlight Specular Reflection Separation based on Tensor Low-rank and Sparse Decomposition Using Polarimetric Cues [7.109720146155956]
  手法は、画像の特異なハイライトがわずかに分散されているという観察によって動機づけられる。 我々は、カラーチャネルの制約として、新しい偏光正規化項を定義し、強制する。 提案手法は, スペックル除去の精度を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-07-07T19:28:46Z)
• Quantifying NV-center Spectral Diffusion by Symmetry [0.0]
  ダイヤモンド中の窒素空孔中心欠陥のスペクトル的に狭くスピン依存的な光遷移は、量子ネットワークへの応用に利用することができる。 このようなネットワークスキームの鍵は、区別できない光子の生成である。 2つの課題は、局所ひずみ変動による光遷移の欠陥-欠陥変動と、近傍の電荷トラップの光励起による繰り返し測定における光周波数のスペクトル拡散である。
  論文  参考訳（メタデータ） (2022-06-22T20:19:56Z)
• Differentiable Programming for Hyperspectral Unmixing using a Physics-based Dispersion Model [9.96234892716562]
  本稿では、スペクトル変動を物理に基づくアプローチから考慮し、エンドツーエンドのスペクトルアンミックスアルゴリズムに組み込む。 畳み込みニューラルネットワークを用いた逆レンダリング技術を導入し、トレーニングデータが利用可能な場合のパフォーマンスと速度を向上させる。 結果は、赤外線と近赤外(VNIR)データセットの両方で最先端を達成する。
  論文  参考訳（メタデータ） (2020-07-12T14:16:35Z)

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。