論文の概要: DANTE-W: Diffuse Albedo Neural Texturing in the Wild

• arxiv url: http://arxiv.org/abs/2606.30677v1
• Date: Fri, 26 Jun 2026 09:45:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.94958
• Title: DANTE-W: Diffuse Albedo Neural Texturing in the Wild
• Title（参考訳）: DANTE-W: 野生のびまん性アルベドニューラルテクスチャ
• Abstract要約: 非構造画像の集合からテクスチャを復元するためのフレームワークを提案する。 テクスチャ再構築を従来の3Dパイプラインと統合する。 我々は,正確なテクスチャを再構築し,忠実度を高めるためのアプローチを評価する。
• 参考スコア（独自算出の注目度）: 15.545994699853813
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classical mesh texturing techniques blend captured multi-view images directly, which inevitably suffer from baked-in shading and casted shadows that compromise visual fidelity during relighting. To circumvent this issue, we present a neural texturing framework, namely DANTE-W, to enable high-fidelity diffuse albedo texture recovery from unstructured image collections for large-scale, in-the-wild scenes, which integrates seamlessly with traditional 3D reconstruction pipelines. Given a reconstructed mesh and its surface parameterization, our method fuses view-space generative albedo priors into a coherent texture space via an expressive neural representation, while substantially enhancing fine-grained textural details through physically principled neural rendering. To comprehensively evaluate our method, we curate a benchmark dataset featuring diverse, fine-grained textures, comprising both real-world in-the-wild scenes and synthetic objects. Extensive experiments verify the effectiveness of our approach in reconstructing accurate albedo textures and boosting relighting fidelity. Project page: dante-wild.github.io.
• Abstract（参考訳）: 古典的なメッシュテクスチャ技術は、キャプチャしたマルチビュー画像を直接ブレンドする。 この問題を回避するため、我々はDANTE-Wと呼ばれるニューラルテクスチャ・フレームワークを提案し、従来の3D再構成パイプラインとシームレスに統合された、大規模で非構造的な画像コレクションから高忠実な拡散アルベドテクスチャ・リカバリを可能にする。 再構成メッシュとその表面パラメータ化を条件として,本手法は,視覚空間生成アルベドを表現型ニューラル表現によるコヒーレントなテクスチャ空間に融合し,物理的に原理化されたニューラルレンダリングにより微細なテクスチャの詳細を著しく向上させる。 提案手法を網羅的に評価するために,実世界のシーンと合成オブジェクトの両方からなる,多種多様なきめ細かいテクスチャを特徴とするベンチマークデータセットをキュレートした。 大規模な実験により, 精密なアルベドテクスチャの再構築とリライティング忠実度向上におけるアプローチの有効性が検証された。 プロジェクトページ: dante-wild.github.io

関連論文リスト

• Texture-aware Intrinsic Image Decomposition with Model- and Learning-based Priors [10.34258784689083]
  そこで本研究では,本質的な画像分解において,厳しい照明と豊かなテクスチャを扱うための新しい手法を提案する。 従来のテクスチャ認識と組み合わせることで,既存のアプローチよりも優れた結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-09-11T11:07:25Z)
• Reconstructing Topology-Consistent Face Mesh by Volume Rendering from Multi-View Images [71.20113392204183]
  産業用3Dフェイスアセット作成は通常、下流生産のために多視点画像からトポロジに一貫性のあるフェイスメッシュを再構築する。 NeRFは3次元再構成において、シーンを密度場と放射場として表現することで大きな利点を示した。 多視点画像からアーティストが作ったテンプレートフェイスメッシュの形状を最適化するために,明示的メッシュとニューラルボリュームレンダリングを組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-04-08T15:25:50Z)
• 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)
• TMO: Textured Mesh Acquisition of Objects with a Mobile Device by using Differentiable Rendering [54.35405028643051]
  スマートフォン1台でテクスチャ化されたメッシュを野生で取得するパイプラインを新たに提案する。 提案手法ではまず,RGBD支援構造を動きから導入し,フィルタした深度マップを作成できる。 我々は,高品質なメッシュを実現するニューラル暗黙表面再構成法を採用する。
  論文  参考訳（メタデータ） (2023-03-27T10:07:52Z)
• ENVIDR: Implicit Differentiable Renderer with Neural Environment Lighting [9.145875902703345]
  ENVIDRは、高精細な反射を伴う表面の高精細なレンダリングと再構成のためのレンダリングとモデリングのためのフレームワークである。 まず、表面光と環境光の相互作用を学習するために、分解レンダリングを用いた新しいニューラルネットワークを提案する。 次に、この学習されたニューラルサーフェスを利用して一般的なシーンを表現するSDFベースのニューラルサーフェスモデルを提案する。
  論文  参考訳（メタデータ） (2023-03-23T04:12:07Z)
• Delicate Textured Mesh Recovery from NeRF via Adaptive Surface Refinement [78.48648360358193]
  画像からテクスチャ化された表面メッシュを生成する新しいフレームワークを提案する。 我々のアプローチは、NeRFを用いて幾何学とビュー依存の外観を効率的に初期化することから始まります。 ジオメトリと共同で外観を洗練し、テクスチャ画像に変換してリアルタイムレンダリングします。
  論文  参考訳（メタデータ） (2023-03-03T17:14:44Z)
• 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)
• Self-supervised High-fidelity and Re-renderable 3D Facial Reconstruction from a Single Image [19.0074836183624]
  そこで本研究では,高品質な3次元顔の再構築を目的とした,新たな自己教師型学習フレームワークを提案する。 我々のフレームワークは質的比較と量的比較の両方において最先端のアプローチを大幅に上回っている。
  論文  参考訳（メタデータ） (2021-11-16T08:10:24Z)
• Fast-GANFIT: Generative Adversarial Network for High Fidelity 3D Face Reconstruction [76.1612334630256]
  我々は、GAN(Generative Adversarial Networks)とDCNN(Deep Convolutional Neural Networks)の力を利用して、単一画像から顔のテクスチャと形状を再構築する。 3次元顔再構成を保存したフォトリアリスティックでアイデンティティに優れた結果を示し, 初めて, 高精度な顔テクスチャ再構成を実現する。
  論文  参考訳（メタデータ） (2021-05-16T16:35:44Z)

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。