論文の概要: PhysReflect: Geometry and Perception Guided Diffusion for Physically-Plausible Mirror Reflections
- arxiv url: http://arxiv.org/abs/2609.23442v1
- Date: Sun, 20 Sep 2026 08:17:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.819434
- Title: PhysReflect: Geometry and Perception Guided Diffusion for Physically-Plausible Mirror Reflections
- Title（参考訳）: PhysReflect : 物理的に観察可能なミラー反射に対する幾何学と知覚誘導拡散
- Abstract要約: 拡散モデルは高品質な画像を生成するが、しばしばミラー反射を規定する物理法則に違反している。
提案するPhysReflectは幾何学および知覚誘導拡散フレームワークで,予測されたクリーン潜水剤を各トレーニングステップで画素空間にデコードする。
合成および実世界のベンチマークの実験では、PhysReflectは幾何学的、知覚的、物理的楽観的な測定において、以前のミラー反射法よりも優れていた。
- 参考スコア（独自算出の注目度）: 20.543432449594945
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Diffusion models generate high-quality images, yet often violate the physical laws governing mirror reflections. Reflections often suffer from geometric aberrations, including positional offsets, directional misalignment, proportional imbalance, and structural distortion. These failures remain evident even in contemporary state-of-the-art generative systems. Existing methods itigate this problem through synthetic data scaling or auxiliary depth conditioning, yet their merely reliance on latent-space noise reconstruction losses as implicit supervision prevents direct enforcement of reflection-specific geometric and perceptual constraints. To bridge this gap, we present PhysReflect, a geometry and perception guided diffusion framework that decodes the predicted clean latent into pixel space at each training step and applies annealed supervision through two complementary differentiable objectives. The Geometric Loss enforces mirror-induced spatial consistency through sparse epipolar correspondence and dense boundary projection alignment, where a SAM2-based TwinTrack mechanism provides stable in-mirror localization for boundary-aware supervision. The Perceptual Loss preserves reflected appearance by combining Semantic Consistency Loss, which maintains reflected identity and appearance via DINOv2 features, and Lighting Consistency Loss, which regularizes depth, surface-normal, and illumination coherence under monocular geometry priors. Experiments on synthetic and real-world benchmarks show that PhysReflect outperforms prior mirror-reflection methods in geometric, perceptual, and physical-plausibility metrics, as well as qualitative visual results.
- Abstract（参考訳）: 拡散モデルは高品質な画像を生成するが、しばしばミラー反射を規定する物理法則に違反している。
反射は、位置ずれ、方向のずれ、比例不均衡、構造歪みなどの幾何学的収差に悩まされることが多い。
これらの失敗は、現代の最先端の生成システムにおいても明らかである。
既存の手法では、合成データスケーリングや補助的な深度条件付けを通じてこの問題を反復するが、暗黙の監督により反射特異な幾何学的制約や知覚的制約の直接適用が妨げられるため、潜時空間ノイズ再構成の損失にのみ依存する。
このギャップを埋めるために、各トレーニングステップで予測されたクリーン潜伏剤を画素空間にデコードし、2つの相補的な微分可能な目的を通じて熱処理された監視を適用する幾何学的および知覚的拡散フレームワークであるPhysReflectを提案する。
幾何損失は、スパースエピポーラ対応と高密度境界投射アライメントを通じてミラー誘起空間一貫性を強制し、SAM2ベースのTwinTrack機構は、境界認識のための安定した鏡内局所化を提供する。
パーセプチュアル・ロスは、DINOv2特徴による反射的なアイデンティティと外観を維持するセマンティック・コンシスタンス・ロス(Semantic Consistency Loss)と、モノクロ幾何学の先行した深度、表面正規度、照明コヒーレンスを規則化するライトニング・コンシスタンス・ロス(Lighting Consistency Loss)を組み合わせることで、反射的な外観を保っている。
合成および実世界のベンチマークの実験では、PhysReflectは幾何学的、知覚的、身体的楽観的な測定値や質的な視覚的結果において、以前のミラー反射法よりも優れていた。
関連論文リスト
- Water Reflection Detection Using Symmetric Attention [39.744518395779245]
そこで我々は,SAWRD-Netというシンメトリ・アウェア・ウォーターリフレクション検出ネットワークを導入する。
二面体群同変の畳み込みと行列分解デコーダをエンドツーエンドのフレームワークで結合する。
SAWRD-Netは、利用可能な最大水反射シーンデータセットに基づいて、人間のアノテーションに対して0.890の真の陽性率を達成する。
論文 参考訳（メタデータ） (2026-07-12T13:00:20Z) - GRAR: Glass-induced Reflection Artifact Removal in LiDAR Point Clouds [7.586613779032423]
本稿では,頑健なリフレクションアーティファクト除去を目的とした新しい統合フレームワークを提案する。
最初の段階では、マルチモーダル・ビジョン・ファンデーション・モデルを用いて初期ガラスマスクを製造する。
第2段階では,Reflection-Aware Local-Global Geometric similarity (RE-LGGS)と呼ばれる物理駆動型記述子を提案する。
論文 参考訳（メタデータ） (2026-06-09T08:09:33Z) - 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) - PolGS++: Physically-Guided Polarimetric Gaussian Splatting for Fast Reflective Surface Reconstruction [76.9760302941819]
PolGS++は高速反射面再構成のための偏光ガウス散乱フレームワークである。
本稿では,アングル・オブ・ポラライゼーション(AoP)に基づくタンジェント空間の整合性制約を実現するための,奥行き誘導型可視マスク取得機構を提案する。
論文 参考訳（メタデータ） (2026-03-11T14:11:42Z) - MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。
我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。
MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
論文 参考訳（メタデータ） (2026-02-04T09:14:09Z) - RefLSM: Linearized Structural-Prior Reflectance Model for Medical Image Segmentation and Bias-Field Correction [10.716406019360441]
医用画像セグメンテーションのための新しい変動反射型レベルセットモデル(RefLSM)を提案する。
RefLSMはRetinexにインスパイアされた反射率分解をセグメンテーションフレームワークに明示的に統合する。
RefLSMは,最先端レベル設定法と比較して,セグメンテーション精度,ロバスト性,計算効率が優れていることを示す。
論文 参考訳（メタデータ） (2025-12-08T06:06:29Z) - Pygmalion Effect in Vision: Image-to-Clay Translation for Reflective Geometry Reconstruction [34.261318579652816]
ピグマリオン・エフェクト・イン・ビジョン(Pygmalion Effect in Vision)は、画像から粘土への変換を通じて、反射物体を粘土のような形に"彫刻"する新しいフレームワークである。
ピグマリオンの神話に触発された本手法は,本質的な幾何学的整合性を維持しつつ,特異なキューを抑えることを学ぶ。
論文 参考訳（メタデータ） (2025-11-26T06:34:58Z) - 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) - Reflections Unlock: Geometry-Aware Reflection Disentanglement in 3D Gaussian Splatting for Photorealistic Scenes Rendering [51.223347330075576]
Ref-Unlockは3Dガウススプラッティングをベースとした新しい幾何認識反射モデリングフレームワークである。
提案手法では、高次球面高調波を用いた二重分岐表現を用いて、高周波反射の詳細を捉える。
そこで本手法は,反射シーンのリアルなレンダリングのための効率的で一般化可能なソリューションを提供する。
論文 参考訳（メタデータ） (2025-07-08T15:45:08Z) - HiNeuS: High-fidelity Neural Surface Mitigating Low-texture and Reflective Ambiguity [8.74691272469226]
HiNeuSは、既存のアプローチにおける3つの中核的な制限に、一貫したフレームワークである。
1) SDF誘導線トレーシングによる微分可視性検証, 2) レイアライン幾何パッチによる平面コンフォーマルな正規化, 3) 局所勾配に基づく幾何的制約を動的に調節する物理的に接地されたアイコン緩和。
論文 参考訳（メタデータ） (2025-06-30T13:45:25Z)
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。