論文の概要: Dynamic Inverse Rendering for Enhanced Material-Lighting Decomposition

• arxiv url: http://arxiv.org/abs/2607.09329v1
• Date: Fri, 10 Jul 2026 12:09:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.836504
• Title: Dynamic Inverse Rendering for Enhanced Material-Lighting Decomposition
• Title（参考訳）: 材料光分解における動的逆レンダリング
• Abstract要約: 本稿では,物体の追跡と再構成を逆レンダリングで組み合わせて,剛体移動物体に対するリライトブルなアプローチを提案する。 実際の手持ちオブジェクトのRGBビデオの結果は、われわれのパイプラインがこの利点を実世界の騒々しい条件下でも維持していることを示している。
• 参考スコア（独自算出の注目度）: 23.732861610774133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Decomposing outgoing surface radiance into material and illumination during inverse rendering is essential for applications such as relighting and augmented reality, yet it is severely ill-posed since multiple combinations can result in the same observed colour. Capturing an object under multiple lighting conditions usually helps resolve this ambiguity as it constrains the optimization towards correct solutions. In this work, we explore the potential of reconstructing rigidly moving objects -- which provides observations of diverse light-surface interactions -- to resolve the material-lighting ambiguity in inverse rendering. For this purpose, we introduce a relightable approach that marries object tracking and reconstruction with inverse rendering for general rigidly moving objects. Our experimental analysis on synthetic data demonstrates that motion can be an advantage for disentangling material and lighting: the reconstructed material is significantly more accurate when the object is observed under rigid motion than when it is static. Moreover, results on RGB videos of real hand-held objects show that our pipeline preserves this advantage even under noisy real-world conditions.
• Abstract（参考訳）: 逆レンダリングにおける表面放射率の分解と光の照射は、リライティングや拡張現実などの応用には不可欠であるが、複数の組み合わせが同じ色になるため、非常に不良である。 複数の照明条件下でオブジェクトをキャプチャすることは、通常、正しい解に対する最適化を制限するため、この曖昧さを解決するのに役立つ。 本研究では、逆レンダリングにおける物質光のあいまいさを解決するために、剛体移動物体(様々な光-表面相互作用の観察を提供する)を再構成する可能性について検討する。 そこで本研究では,物体の追跡と再構成を逆レンダリングと組み合わせた,剛体移動物体に対するリライザブルなアプローチを提案する。 合成データを用いた実験により, 物体が静的である場合よりも, 物体が剛体で観察された場合よりも, 復元された材料の方がはるかに精度が高いことが確認された。 さらに,実物体のRGBビデオでは,雑音の多い実環境でもパイプラインがこの利点を保っていることが明らかとなった。

関連論文リスト

• RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives [52.10688811929143]
  本稿では,マイクロファセット材料モデルとレイトレーシングを統合した統一フレームワークを提案する。 実験により, 複雑な環境下では, 物体の反射や物体の回収に成功していることが示された。
  論文  参考訳（メタデータ） (2026-04-01T05:50:03Z)
• DiffTrans: Differentiable Geometry-Materials Decomposition for Reconstructing Transparent Objects [53.83670041249326]
  多視点画像から透明な物体を再構成することは、光伝搬の複雑な性質と不確定な振る舞いのために難しい課題である。 本稿では,透明物体の形状や材料を効率よく分解・再構成できる,DiffTransと呼ばれる透明物体の識別可能なレンダリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-28T02:21:31Z)
• MaterialRefGS: Reflective Gaussian Splatting with Multi-view Consistent Material Inference [83.38607296779423]
  より物理的な環境モデルを用いた多視点一貫した物質推定がガウススプラッティングによる正確な反射の学習の鍵となることを示す。 本手法は照明と幾何学の両方を忠実に復元し,新しいビュー合成における最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-10-13T13:29:20Z)
• IntrinsicAnything: Learning Diffusion Priors for Inverse Rendering Under Unknown Illumination [37.96484120807323]
  本稿では,未知の静止照明条件下で撮影されたポーズ画像から対象物質を回収することを目的とする。 我々は、最適化プロセスの正規化のための生成モデルを用いて、その材料を事前に学習する。 実世界および合成データセットを用いた実験により,本手法が材料回収における最先端性能を実現することを示す。
  論文  参考訳（メタデータ） (2024-04-17T17:45:08Z)
• Neural Relighting with Subsurface Scattering by Learning the Radiance Transfer Gradient [73.52585139592398]
  本稿では,ボリュームレンダリングによる放射移動場学習のための新しいフレームワークを提案する。 我々は、我々のコードと、地下散乱効果を持つ新しい光ステージのオブジェクトデータセットを公開します。
  論文  参考訳（メタデータ） (2023-06-15T17:56:04Z)
• NDJIR: Neural Direct and Joint Inverse Rendering for Geometry, Lights, and Materials of Real Object [5.665283675533071]
  我々はニューラルダイレクトおよびジョイントリバースレンダリング(NDJIR)を提案する。 提案手法は, 実際のオブジェクトに対して, フォトグラム設定で意味論的に分解することができる。
  論文  参考訳（メタデータ） (2023-02-02T13:21:03Z)
• Physics-based Indirect Illumination for Inverse Rendering [70.27534648770057]
  本稿では,複数視点のRGB画像からシーンの照明,幾何学,材料を学習する物理ベースの逆レンダリング手法を提案する。 副産物として、我々の物理ベースの逆レンダリングモデルは、フレキシブルでリアルな素材編集やリライティングを容易にする。
  論文  参考訳（メタデータ） (2022-12-09T07:33:49Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• PhySG: Inverse Rendering with Spherical Gaussians for Physics-based Material Editing and Relighting [60.75436852495868]
  本稿では、RGB入力画像からジオメトリ、マテリアル、イルミネーションをゼロから再構築する逆レンダリングパイプラインPhySGを紹介します。 我々は合成データと実データの両方を用いて,新しい視点のレンダリングを可能にするだけでなく,物質や照明の物理ベースの外観編集を可能にすることを実証した。
  論文  参考訳（メタデータ） (2021-04-01T17:59:02Z)

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。