論文の概要: PanoLess: Environment Reconstruction from Partial Reflective Views
- arxiv url: http://arxiv.org/abs/2607.25362v1
- Date: Tue, 28 Jul 2026 07:13:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.740771
- Title: PanoLess: Environment Reconstruction from Partial Reflective Views
- Title（参考訳）: PanoLess: 部分反射による環境復元
- Authors: Ahitagni Das, Ashok Veeraraghavan, Vivek Boominathan,
- Abstract要約: PanoLessは、反射面の片側だけに撮影された画像から、周囲の環境を遠方の照明マップとして再構築するフレームワークである。
そこで我々は,PanoLessが高忠実で幾何的に一貫した環境再構築を実現し,新しい総合ベンチマークと公開データセットにおいて,反射認識ベースラインよりも優れていることを示す。
- 参考スコア（独自算出の注目度）: 19.565712090169907
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reflections from shiny objects and glass facades naturally extend the field of view of a camera, capturing the surrounding environment without the need to pan the camera or acquire a full panorama. We propose PanoLess, a Gaussian-splat-based framework that reconstructs the surrounding environment as a distant illumination map from images captured on only one side of a reflective surface. PanoLess leverages surface-aligned 2D Gaussian splats with deferred shading to recover accurate per-pixel normals and reflection cues, which are fused into a neural cubemap representation of the environment. In addition, PanoLess produces a visibility map that explicitly denotes which regions of the environment are supported by the partial reflective observations. Unlike existing inverse-rendering and reflection-aware Gaussian-splatting approaches, which typically require full 360-degree coverage and struggle under incomplete views, PanoLess enables consistent, physically grounded illumination estimation from partial-view input. We show that PanoLess achieves high-fidelity and geometrically consistent environment reconstruction, outperforming reflection-aware baselines on a new custom synthetic benchmark and publicly available datasets, and demonstrating generalization to real-world reflective captures.
- Abstract（参考訳）: 光沢のある物体やガラス製のファサードからの反射は、カメラの視野を自然に広げ、カメラをパンしたりフルパノラマを取得することなく周囲の環境を捉えます。
パノレス(PanoLess)は、反射面の片側だけに撮影された画像から周囲の環境を遠方の照明マップとして再構成する、ガウススプレートベースのフレームワークである。
PanoLessは、表面配向した2Dガウス板と遅延シェーディングを利用して、正確なピクセル当たりの正規値と反射キューを回復し、環境のニューラルキューブマップ表現に融合する。
さらに、パノレスは環境のどの領域が部分的な反射観察によって支えられているかを明確に示す可視マップを生成する。
従来の逆レンダリングやリフレクションを意識したガウス・スプレイティングのアプローチとは異なり、通常は完全な360度カバレッジと不完全ビューの下での苦労を必要とするが、パノレスは部分ビュー入力から一貫した物理的照明推定を可能にする。
パノレスは、高忠実で幾何的に一貫した環境再構築を実現し、新しいカスタムな合成ベンチマークと公開データセットで反射認識ベースラインを上回り、現実世界の反射キャプチャへの一般化を実証している。
関連論文リスト
- 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) - EnvGS: Modeling View-Dependent Appearance with Environment Gaussian [78.74634059559891]
EnvGSは、環境の反射を捉えるための明示的な3D表現として、ガウスプリミティブのセットを利用する新しいアプローチである。
これらの環境を効率的にレンダリングするために,高速レンダリングにGPUのRTコアを利用するレイトレーシングベースのリフレクションを開発した。
複数の実世界および合成データセットから得られた結果は,本手法がより詳細な反射を生成することを示す。
論文 参考訳（メタデータ） (2024-12-19T18:59:57Z) - Revisiting Single Image Reflection Removal In the Wild [83.42368937164473]
本研究は,実環境におけるシングルイメージリフレクション除去(SIRR)の問題に焦点をあてる。
我々は,様々な現実世界のリフレクションシナリオに高度に適用可能な,高度なリフレクション収集パイプラインを考案した。
野生での反射除去(RRW)と呼ばれる大規模で高品質な反射データセットを開発する。
論文 参考訳（メタデータ） (2023-11-29T02:31:10Z) - PanoGRF: Generalizable Spherical Radiance Fields for Wide-baseline
Panoramas [54.4948540627471]
広帯域パノラマのための一般化可能な球面放射場パノGRFを提案する。
パノGRFは、視線画像に基づいて訓練された一般化可能な放射場とは異なり、パノラマからパースペクティブへの変換から情報損失を回避する。
複数のパノラマデータセットの結果は、パノGRFが最先端の一般化可能なビュー合成法よりも著しく優れていることを示している。
論文 参考訳（メタデータ） (2023-06-02T13:35:07Z) - Neural Point Catacaustics for Novel-View Synthesis of Reflections [3.5348690973777]
曲面反射板を用いたシーンの新規なビュー合成を可能にするニューラルポイント音響計算のための新しいポイントベース表現を提案する。
ソースコードやその他の補足資料をhttps://repo-sam.inria.fr/ fungraph/neural_catacaustics/で提供します。
論文 参考訳（メタデータ） (2023-01-03T13:28:10Z) - Free-viewpoint Indoor Neural Relighting from Multi-view Stereo [5.306819482496464]
本稿では,対話型自由視点ナビゲーションが可能な屋内シーンを撮影するためのニューラルリライティングアルゴリズムを提案する。
本手法では, 鋳造影や複雑な光沢物質を連続的にレンダリングしながら, 照明を合成的に変化させることができる。
論文 参考訳（メタデータ） (2021-06-24T20:09:40Z) - Neural Reflectance Fields for Appearance Acquisition [61.542001266380375]
シーン内の任意の3次元点における体積密度, 正規および反射特性をエンコードする新しい深部シーン表現であるニューラルリフレクタンス場を提案する。
我々はこの表現を、任意の視点と光の下でニューラルリフレクタンスフィールドから画像を描画できる物理的にベースとした微分可能光線マーチングフレームワークと組み合わせる。
論文 参考訳（メタデータ） (2020-08-09T22:04:36Z) - 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。