論文の概要: LAMP: 3D Source-Aware Lighting Estimation at Multiple Points

• arxiv url: http://arxiv.org/abs/2610.19266v1
• Date: Tue, 13 Oct 2026 22:36:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.832244
• Title: LAMP: 3D Source-Aware Lighting Estimation at Multiple Points
• Title（参考訳）: LAMP: 複数の点における3次元音源認識照明推定
• Abstract要約: 本稿では,単一RGB画像からの点条件付き光源対応照明用フレームワークであるLAMPを紹介する。 LAMPは、アクティブな光源の共有在庫を構築し、各クエリのコントリビューションソースをランク付けし、3Dクエリからソースへの方向を予測する。 Infinigenテストセットでは、微調整のQwen3-VL-8Bは、主源となる3D PCK@0.5mを0%から70.6%に増加させ、12.5度の範囲での方向の94.5%を達成している。
• 参考スコア（独自算出の注目度）: 0.9729307207527395
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing illumination estimation methods primarily recover lighting distributions for rendering, but typically leave the contributions of individual physical light sources at specific scene locations implicit. We address this gap by leveraging the scene understanding capabilities of vision-language models (VLMs) to connect local illumination with its physical sources. We introduce LAMP, a framework for point-conditioned, source-aware illumination reasoning from a single RGB image with marked query points. LAMP constructs a shared inventory of active light sources, ranks contributing sources for each query, and predicts their 3D query-to-source directions. We supervise these relationships using procedurally controlled indoor scenes, reusing independently rendered source responses to derive contribution targets across lighting configurations and obtaining exact directions from source and query positions. On the Infinigen test set, fine-tuning Qwen3-VL-8B increases dominant-source 3D PCK@0.5m from 0% to 70.6%, with 94.5% of directions within 12.5 degrees of ground truth among correctly localized sources. Combined with a lightweight network predicting dense RGB irradiance, LAMP achieves probe-rendering quality comparable to prior lighting-estimation methods while additionally localizing individual physical sources in 3D and explicitly attributing local illumination to them.
• Abstract（参考訳）: 既存の照明推定法は主にレンダリング用の照明分布を復元するが、通常は特定のシーンにおける個々の物理的光源の寄与を暗黙的に残す。 本稿では,視覚言語モデル(VLM)のシーン理解機能を活用し,局所照明と物理的音源を結びつけることで,このギャップに対処する。 我々は,単一RGB画像からの照度を特徴とする点条件付き光源対応照明用フレームワークであるLAMPを紹介した。 LAMPは、アクティブな光源の共有在庫を構築し、各クエリのコントリビューションソースをランク付けし、3Dクエリからソースへの方向を予測する。 これらの関係を、手続き的に制御された屋内シーンを用いて監視し、独立にレンダリングされたソース応答を再利用し、照明構成全体にわたるコントリビューション目標を導出し、ソース位置とクエリ位置から正確な方向を求める。 Infinigenテストセットでは、微調整のQwen3-VL-8Bは3D PCK@0.5mを0%から70.6%に増加させ、12.5度の範囲で94.5%の方向を正しく局所化している。 LAMPは、RGBの高密度光を予測できる軽量ネットワークと組み合わせて、従来の照明推定手法に匹敵するプローブレンダリング品質を達成しつつ、3Dで個々の物理的ソースを局所化し、局所的な照明に明示的に寄与する。

関連論文リスト

• LumiNet: Latent Intrinsics Meets Diffusion Models for Indoor Scene Relighting [26.40653597095593]
  ソースイメージとターゲットのライティングイメージが与えられた後、LumiNetはターゲットのライティングをキャプチャするソースシーンの依存バージョンを合成する。 LumiNetは2つの異なる画像から遅延表現を処理します。
  論文  参考訳（メタデータ） (2024-11-29T18:59:11Z)
• MetaGS: A Meta-Learned Gaussian-Phong Model for Out-of-Distribution 3D Scene Relighting [63.5925701087252]
  アウト・オブ・ディストリビューション(OOD) 3Dリライティングは、目に見えない照明条件下での新しいビュー合成を必要とする。 この課題に対処するためにMetaGSを2つの視点から紹介する。
  論文  参考訳（メタデータ） (2024-05-31T13:48:54Z)
• LightOctree: Lightweight 3D Spatially-Coherent Indoor Lighting Estimation [4.079873017864992]
  一つのRGB画像から空間的コヒーレントな室内照明を推定するための軽量な解を提案する。 本稿では,3次元空間コヒーレント照明を実現するために,ボクセルオクツリーを用いた照明推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-05T07:15:06Z)
• GIR: 3D Gaussian Inverse Rendering for Relightable Scene Factorization [62.13932669494098]
  本稿では,3次元ガウス表現を用いた3次元ガウス逆レンダリング(GIR)手法を提案する。 最短固有ベクトルを用いて各3次元ガウスの正規性を計算する。 我々は3次元ガウシアン毎に方向対応の放射光を格納し、多重バウンス光輸送を近似するために二次照明をアンタングルするために、効率的なボクセルベースの間接照明追跡方式を採用する。
  論文  参考訳（メタデータ） (2023-12-08T16:05:15Z)
• SplitNeRF: Split Sum Approximation Neural Field for Joint Geometry, Illumination, and Material Estimation [65.99344783327054]
  本稿では, 実世界の物体の形状, 材料特性, 照明特性を推定してデジタル化する手法を提案する。 提案手法は,実時間物理ベースのレンダリングに画像ベースの照明で使用される分割和近似を,レーダランスニューラルネットワーク(NeRF)パイプラインに組み込む。 提案手法は,NVIDIA A100 GPUを1つのGPUで1時間に1ドル程度のトレーニングをした後で,最先端のリライト品質を実現することができる。
  論文  参考訳（メタデータ） (2023-11-28T10:36:36Z)
• 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)
• GMLight: Lighting Estimation via Geometric Distribution Approximation [86.95367898017358]
  本稿では,効率的な照明推定のための回帰ネットワークと生成プロジェクタを用いた照明推定フレームワークを提案する。 幾何学的な光の分布、光強度、周囲条件、および補助深さの点から照明シーンをパラメータ化し、純粋な回帰タスクとして推定します。 推定照明パラメータを用いて、生成プロジェクタはパノラマ照明マップを現実的な外観と周波数で合成する。
  論文  参考訳（メタデータ） (2021-02-20T03:31:52Z)
• EMLight: Lighting Estimation via Spherical Distribution Approximation [33.26530733479459]
  本稿では,回帰ネットワークとニューラルプロジェクタを用いて正確な照明推定を行う照明推定フレームワークを提案する。 照明マップを球状光分布、光強度、周囲期間に分解します。 予測された球面分布、光強度、周囲項の誘導の下で、神経プロジェクターは現実的な光周波数でパノラマ照明マップを合成する。
  論文  参考訳（メタデータ） (2020-12-21T04:54:08Z)
• Lighthouse: Predicting Lighting Volumes for Spatially-Coherent Illumination [84.00096195633793]
  入力狭帯域ステレオ画像ペアからシーン内の任意の3次元位置における入射照度を推定する深層学習ソリューションを提案する。 本モデルでは,入力ステレオペア近傍の視野ビューと,各シーン内の球状パノラマのみを監督する。 提案手法は,高精細な仮想物体を実画像に挿入して照らし出すのに十分な空間変化の連続した照明を予測できることを実証する。
  論文  参考訳（メタデータ） (2020-03-18T17:46:30Z)

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。