論文の概要: FlashNormal: Detailed Surface Normal Estimation from Flash and No-Flash Images

• arxiv url: http://arxiv.org/abs/2608.25360v1
• Date: Wed, 26 Aug 2026 04:34:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.592909
• Title: FlashNormal: Detailed Surface Normal Estimation from Flash and No-Flash Images
• Title（参考訳）: FlashNormal:FlashとNo-Flash画像による表面正規化の詳細な推定
• Abstract要約: 表面形状の詳細な復元と画像編集には,高品質な表面正規化が望ましい。 既存のイメージベースの手法は実用的だが、表面の細部を回復するのに苦労することが多い。 本稿では,フラッシュ/非フラッシュ画像対を用いた拡散型表面正規分布推定器であるFlashNormalを提案する。
• 参考スコア（独自算出の注目度）: 33.19867070000115
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-quality surface normal estimation is preferred for detailed surface shape recovery and image editing. Existing single image-based methods, though being a practical setup, often struggle to recover fine surface details and are sensitive to inherent shape-reflectance ambiguity. While photometric stereo achieves high-fidelity surface normal estimation from images under varying lights, its applicability is strictly limited by requiring a multi-illumination capture setup. To this end, we propose FlashNormal, a diffusion-based surface normal estimator from flash/no-flash image pairs. While retaining high practicability on modern smartphones, our proposal takes advantage of flash-induced shading variations, and leverages curvature-guided detail enhancement strategy, improving surface detail recovery and mitigating shape-reflectance ambiguity effectively. To evaluate our proposed method, we further present EvalFlash, the first real-world flash/no-flash evaluation dataset containing 20 objects aligned with ground-truth surface normals for quantitative benchmarking. Extensive experiments demonstrate the effectiveness of FlashNormal over state-of-the-art single image-based methods and show a significant out-performance over flash/no-flash-based normal estimation method on EvalFlash.
• Abstract（参考訳）: 表面形状の詳細な復元と画像編集には,高品質な表面正規化が望ましい。 既存の画像ベースの手法は実用的だが、細かな表面の細部を復元するのに苦労することが多く、固有の形状と反射のあいまいさに敏感である。 光度ステレオは、様々な光の下の画像から高忠実度表面の正規分布を推定するが、その適用性はマルチイルミネーション・キャプチャー・セットアップを必要とするため厳密に制限される。 そこで本研究では,フラッシュ/ノーフラッシュ画像対を用いた拡散型表面正規分布推定器であるFlashNormalを提案する。 現代のスマートフォンで高い実用性を維持しつつ、フラッシュによるシェーディングのバリエーションを活用し、曲面のディテール向上戦略を活用し、表面ディテールリカバリを改善し、形状反射の曖昧さを効果的に軽減する。 提案手法を評価するために,提案手法は,地上表面の正常値に整合した20個のオブジェクトを含む,最初の実世界のフラッシュ/ノ・フラッシュ評価データセットであるEvalFlashを定量的なベンチマークのために提示する。 大規模な実験は、最先端の単一画像ベース手法に対するFlashNormalの有効性を実証し、EvalFlash上でのフラッシュ/ノーフラッシュベース正規推定法よりも優れた性能を示した。

関連論文リスト

• Computational Flash Photography through Intrinsics [0.0]
  本研究では,フラッシュの有無にかかわらず撮影した写真におけるフラッシュ光の計算制御について検討する。 本稿では,フラッシュ画像形成のための物理的動機付け型内在的定式化と,フラッシュ分解・生成法の開発について述べる。
  論文  参考訳（メタデータ） (2023-06-09T17:51:20Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• Robust Reflection Removal with Flash-only Cues in the Wild [88.13531903652526]
  一対のフラッシュと周囲(非フラッシュ)画像から頑健な反射除去のための反射除去キューを提案する。 提案手法はPSNRにおいて5.23dB以上の反射除去手法より優れる。 我々は、フラッシュと非フラッシュのペア間の不整合に対処するために、ハンドヘルド写真へのアプローチを拡張した。
  論文  参考訳（メタデータ） (2022-11-05T14:09:10Z)
• Seeing Far in the Dark with Patterned Flash [5.540878289831889]
  遠距離でのフラッシュイメージングのための新しいフラッシュ技術「パターンフラッシュ」を提案する。 パターンフラッシュは光電力をドットアレイに集中させる。 畳み込みニューラルネットワークを用いた画像再構成と深度推定アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-07-25T23:16:50Z)
• Robust Reflection Removal with Reflection-free Flash-only Cues [52.46297802064146]
  一対のフラッシュと周囲(非フラッシュ)画像から頑健な反射除去のための反射除去キューを提案する。 提案手法はPSNRでは5.23dB,SSIMでは0.04,LPIPSでは0.068以上の反射除去手法より優れていた。
  論文  参考訳（メタデータ） (2021-03-07T05:27:43Z)
• Deep Denoising of Flash and No-Flash Pairs for Photography in Low-Light Environments [51.74566709730618]
  低照度環境下でのフラッシュの有無にかかわらず、高速連続で撮影された画像のペアをデノイズするニューラルネットワークベースの方法を紹介します。 私たちの目標は、ノイズの多いノーフラッシュ画像の周囲照明から色と気分を維持するシーンの高品質のレンダリングを作成することです。
  論文  参考訳（メタデータ） (2020-12-09T15:41:16Z)
• Towards Geometry Guided Neural Relighting with Flash Photography [26.511476565209026]
  本稿では,深層学習を用いた深度マップを用いた1枚のフラッシュ写真から画像のリライティングを行うフレームワークを提案する。 本研究は,本質的な画像分解と画像リライティングにおける最先端の画像ベースアプローチに対する幾何学的アプローチの利点を実験的に検証する。
  論文  参考訳（メタデータ） (2020-08-12T08:03:28Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)

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。