論文の概要: Casual Flash Lighting for Gaussian Splat Inverse Rendering
- arxiv url: http://arxiv.org/abs/2610.06035v1
- Date: Mon, 05 Oct 2026 09:34:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 19:13:58.001358
- Title: Casual Flash Lighting for Gaussian Splat Inverse Rendering
- Title（参考訳）: ガウス版逆レンダリングのためのカジュアルフラッシュライティング
- Abstract要約: 我々は、静電気とフラッシュ光を、カジュアルな屋内撮影から、それぞれ独立した視点からフラッシュオンまたはオフにシナジします。
提案手法は, 拡散色, アルベド, 粗さ物質パラメータの最近の6つのベースラインを上回り, 次回のベースラインよりもPSNRが4.17dB向上したリライティングにおいて優れる。
- 参考スコア（独自算出の注目度）: 25.41728956048372
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recovering geometry, materials, and lighting from photographs is highly ambiguous when only static illumination is available. Active-lighting setups reduce the ambiguity but require dark rooms or specialized hardware. Instead, we synergize both static and flash lighting from casual indoor capture, with the flash on or off, each from independent viewpoints. The flash residual constrains albedo and the BRDF, while static lighting captures grazing-angle specular highlights that flash misses. With a 2DGS reconstruction framing, our key contribution is a GS-anchored diffuse field: a hash-encoded MLP is queried at the rasterized 2DGS depth. As it depends only on world position, it is view consistent in 3D and allows the flash residual to drive material decomposition instead of being absorbed by alpha-blending drift across views. At the same time, we render static lighting with deferred shading such that it can also supervise material decomposition. On five synthetic and three real indoor scenes, our method outperforms six recent baselines on diffuse color, albedo and roughness material parameters, and in relighting where PSNR improves by 4.17 dB over the next-best baseline.
- Abstract（参考訳）: 静止照明のみが利用できる場合、写真から幾何学、材料、照明を復元することは極めて曖昧である。
アクティブ照明はあいまいさを減らすが、暗い部屋や特殊なハードウェアを必要とする。
代わりに、静電灯とフラッシュライトの両方をカジュアルな屋内撮影から、それぞれ独立した視点からフラッシュをオン/オフにシナジします。
フラッシュ残光はアルベドとBRDFを制約し、静的照明はフラッシュが見逃す光の角度の特異なハイライトを捉えます。
2DGS 再構成フレーミングでは,ハッシュエンコード MLP を2DGS 深度でクエリする GS-anchored diffuse フィールドが重要となる。
世界の位置にのみ依存するため、3Dで一貫したビューであり、視界を横断するアルファブレディングドリフトによって吸収される代わりに、フラッシュ残差が物質分解を駆動することができる。
同時に、遅延シェーディングで静的照明をレンダリングし、材料分解を監視できるようにした。
5つの屋内シーンと3つの屋内シーンにおいて,本手法は拡散色,アルベド,粗さ物質パラメータの最近の6つのベースラインを上回り,PSNRが次回のベースラインよりも4.17dB向上するリライティングにおいて優れていた。
関連論文リスト
- SpotlessGS: Relightable 3D Gaussian Splatting under Dynamic Illumination for Robotic Perception [20.515607443256073]
我々はDark Gaussian Splattingをより正確でフレキシブルな3D再構成フレームワークに拡張する。
球面高調波に基づく低周波照明モデルを導入し,空間的に異なる残差と周囲の照明効果を捉える。
合成および実世界のデータセットに対する実験により,従来の手法よりもレンダリング品質と量的性能を向上しつつ,照明アーチファクトを効果的に軽減できることが示されている。
論文 参考訳（メタデータ） (2026-08-11T17:35:34Z) - Relightable Gaussian Splatting for Virtual Production Using Image-Based Illumination [5.673030658112764]
仮想プロダクション(VP)は、背景画像と画像ベースの照明の両方を提供するためにLED壁を使用する。
逆レンダリングでは、物理ベースのレンダリングは環境マップを用いて、推定3次元幾何学と照明に依存している。
本稿では,ガウススプラッティングを用いた3次元再構成とリライティングのためのVP固有のフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-09T16:04:06Z) - Fast Low-light Enhancement and Deblurring for 3D Dark Scenes [52.48996928600807]
FLED-GSは、3Dシーンの復元を拡張・再構成の交互サイクルとして再構成する高速な低照度化・デブロアリングフレームワークである。
実験では、FLED-GSは最先端のLuSh-NeRFより優れており、21$times$高速トレーニング、11$times$高速レンダリングを実現している。
論文 参考訳（メタデータ） (2026-03-09T09:11:35Z) - R3GW: Relightable 3D Gaussians for Outdoor Scenes in the Wild [23.68389428693905]
3D Gaussian Splatting (3DGS) は静的シーンの3D再構成と新しいビュー合成の先駆的手法として確立されている。
本稿では,野生で捉えた屋外シーンの3DGS表現を学習する新しい手法R3GWを提案する。
論文 参考訳（メタデータ） (2026-03-03T09:40:16Z) - Light Up Your Face: A Physically Consistent Dataset and Diffusion Model for Face Fill-Light Enhancement [49.28352100233792]
フェース・フィリング・ライト・エンハンスメント(FFE)は、元のシーンの照明と背景をそのままにしながら、仮想フィリング光を加えることで、露出の少ない顔を明るくする。
ほとんどのフェースリライト法は、入力照明の抑制やシーン全体の修正が可能な、全体的な照明を再構築することを目的としている。
スケーラブルな学習を支援するために、物理的に一貫したフィルライトで構築された大規模なペアデータセットであるLightYourFace-160K(LYF-160K)を紹介した。
論文 参考訳（メタデータ） (2026-02-04T08:03:41Z) - Dark-EvGS: Event Camera as an Eye for Radiance Field in the Dark [51.68144172958247]
そこで我々はDark-EvGSを提案する。Dark-EvGSは、任意の視点から明るいフレームを復元できる3D GSフレームワークである。
提案手法は,低照度条件下での放射場再構成を克服し,既存の手法よりも優れた結果が得られる。
論文 参考訳（メタデータ） (2025-07-16T05:54:33Z) - SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and
Illumination Removal in High-Illuminance Scenes [51.50157919750782]
本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。
間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。
強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
論文 参考訳（メタデータ） (2023-10-19T10:44:23Z) - 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) - 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)
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。