論文の概要: EvenSplat: Coupled 2D-3D Decomposition for Gaussian Splatting under Exposure and Illumination Variation
- arxiv url: http://arxiv.org/abs/2610.01876v1
- Date: Thu, 01 Oct 2026 15:32:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.227531
- Title: EvenSplat: Coupled 2D-3D Decomposition for Gaussian Splatting under Exposure and Illumination Variation
- Title（参考訳）: EvenSplat: 露光および照度変化下におけるガウスめっき用2D-3D複合分解
- Abstract要約: EvenSplatは、キャプチャ固有の照明を、それらが回復する幾何学と色で分離するフレームワークである。
EvenSplatは一般的に最先端の手法、特に高コントラスト照明下では性能が優れている。
- 参考スコア（独自算出の注目度）: 9.06725387954671
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A surface photographed under even light presents nearly the same appearance from every angle; the same surface under uneven light does not. Exposure changes between views, illumination varies within a single image, and locally strong light sources leave one region bright and its neighbor in shadow. Multi-view reconstruction methods such as 3D Gaussian Splatting treat these lighting artifacts as if they were properties of the scene, entangling capture-specific illumination with the geometry and color they recover. We present EvenSplat, a framework that separates the two. EvenSplat couples an image-space illumination decomposition with an illumination field carried by the Gaussians, so that the same explanation of the lighting is shared between the two-dimensional and three-dimensional views of the scene; a camera-response network and a local exposure-compensation module absorb the global and residual differences that remain across training images. Through extensive experiments across multiple datasets and diverse forms of uneven illumination (cross-view exposure, spatial illumination variation, and high-contrast lighting) on both real-world captured and simulated benchmarks, EvenSplat generally outperforms state-of-the-art methods, particularly under high-contrast illumination.
- Abstract（参考訳）: 偶光の下で撮影された表面は、あらゆる角度からほぼ同じ外観を示す。
ビュー間の露光の変化、照明は1つの画像内で変化し、局所的な強い光源は1つの領域を明るくし、隣の領域を影に残す。
3Dガウシアン・スプレイティングのような多視点再構成手法は、これらの照明工芸品を、シーンの特性であるかのように扱い、撮影固有の照明を、それらが回復する幾何学と色に絡ませる。
この2つを分離するフレームワークであるEvenSplatを紹介します。
EvenSplatは、画像空間の照明分解と、ガウシアンによって運ばれた照明場を結合し、シーンの2次元と3次元のビューで同じ照明の説明が共有されるようにし、カメラ応答ネットワークと局所露光補償モジュールは、トレーニング画像全体で残る大域的および残差を吸収する。
複数のデータセットにまたがる広範な実験と様々な形態の不均一照明(対面露光、空間照明変動、高コントラスト照明)を通じて、実世界の撮影およびシミュレーションベンチマークの両方において、EvenSplatは、特に高コントラスト照明において、最先端の手法よりも優れている。
関連論文リスト
- Decoupled Illumination Priors for Spatially Controllable Multi-View Indoor Scene Relighting [25.64036257408644]
本研究では,空間制御可能な室内照明のためのプログレッシブフレームワークであるLume-Paletteを提案する。
提案手法は,(1)標準照明パレットを抽出する照明蒸留法,(2)目標空間照明条件を明示的にマッピングする照明鋳造法,の2段階に分けられる。
多様な合成シーンと実世界のシーンの実験は、ルーム・パレットが光現実的で空間的に制御可能で、多視点で一貫したリライティング結果を生み出すことを示した。
論文 参考訳（メタデータ） (2026-07-09T19:09:48Z) - Unifying Color and Lightness Correction with View-Adaptive Curve Adjustment for Robust 3D Novel View Synthesis [73.27997579020233]
多様な照明条件下での堅牢なNVSのための3DGSベースのフレームワークであるLuminance-GS++を提案する。
本手法は,グローバルな視野適応光度調整と局所画素ワイド残差補正を組み合わせ,正確な色補正を行う。
論文 参考訳（メタデータ） (2026-02-20T16:20:50Z) - GaRe: Relightable 3D Gaussian Splatting for Outdoor Scenes from Unconstrained Photo Collections [19.8966661817631]
屋外リライトのための3次元ガウススプラッティングに基づくフレームワークを提案する。
提案手法は多様なシェーディング操作と動的シャドウ効果の同時生成を可能にする。
論文 参考訳（メタデータ） (2025-07-28T04:29:57Z) - Light of Normals: Unified Feature Representation for Universal Photometric Stereo [69.95514862547174]
現在のエンコーダは、照明と通常の情報が切り離されていることを保証できない。
i) 点、方向、環境光を集約する光アライメント監督機能を備えた光レジスタトークン。
また,PS-Verseも導入した。PS-Verseは,幾何学的複雑性と照明の多様性を指標とした大規模合成データセットである。
論文 参考訳（メタデータ） (2025-06-23T17:53:11Z) - MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation [19.46962637673285]
MV-CoLightは2Dおよび3Dシーンで合成される照度一貫性のあるオブジェクトのためのフレームワークである。
2次元画像入力と3次元ガウスシーン表現をシームレスに整列するために、ヒルベルト曲線に基づく写像を用いる。
実験では、標準ベンチマークとデータセット間で、最先端の調和した結果を実証した。
論文 参考訳（メタデータ） (2025-05-27T17:53:02Z) - Factored-NeuS: Reconstructing Surfaces, Illumination, and Materials of Possibly Glossy Objects [58.25772313290338]
提案する多視点画像からシーンの表面, 材料, 照明を復元する手法を開発した。
追加のデータは必要ないし、光沢のあるオブジェクトや明るい照明も扱える。
論文 参考訳（メタデータ） (2023-05-29T07:44:19Z) - 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) - Physically-Based Editing of Indoor Scene Lighting from a Single Image [106.60252793395104]
本研究では,1つの画像から複雑な室内照明を推定深度と光源セグメンテーションマスクで編集する手法を提案する。
1)シーン反射率とパラメトリックな3D照明を推定する全体的シーン再構成法,2)予測からシーンを再レンダリングするニューラルレンダリングフレームワーク,である。
論文 参考訳（メタデータ） (2022-05-19T06:44:37Z) - Multi-view Gradient Consistency for SVBRDF Estimation of Complex Scenes
under Natural Illumination [6.282068591820945]
本稿では,自然照明下で観察された複雑なシーンの表面反射率を空間的に変化させる手法を提案する。
エンドツーエンドのプロセスでは、シーンの幾何学のモデルと、シーンの表面をキャプチャするいくつかの画像を使用する。
実験により, 複雑な形状を持つ任意の屋外シーンに対して, 現実的な結果が得られた。
論文 参考訳（メタデータ） (2022-02-25T23:49:39Z) - Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。
本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。
我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
論文 参考訳（メタデータ） (2020-10-17T23:40:43Z)
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。