AAAIDec, 2020

EMLight: 球形分布近似下的光照估计

PDF
TL;DR使用 EMLight 框架，将光照地图分解为球形光分布、光强度和周围环境项，并利用回归网络和神经投影仪进行精确的光照估计，该方法准确性高且比现有方法在 3D 对象嵌入中生成更具可信度和保真度的光照地图。
illumination estimationregression networkneural projectorspherical light distributionearth mover distance
发现论文，激发创造
  • GMLight：通过几何分布近似进行光照估计

    本论文提出了一种利用回归网络和生成投影仪的几何移动灯光（GMLight）估计框架，通过对光线分布、光强度、环境项和辅助深度参数化来实现高度准确的照明估计，并利用生成投影仪合成具有现实外观和高频细节的全景照明贴图。

    Feb, 2021

  • 神经照明：室内环境照明预测

    该论文提出了一种名为 “Neural Illumination” 的新方法，将光照预测分解成几个简单的不同 iable 子任务：几何估计、场景完成和 LDR-to-HDR 估计，并表明与以前的方法相比，该方法在定量和定性方面都得到了显着的改进。

    Jun, 2019

  • 深度参数室内光线估计

    提出了一种利用深度神经网络从单张室内场景图片中估算光照的方法，利用离散化的 3D 灯光几何和光度参数进行表征，并证明该方法比以往方法更加精确并能支持空间变化光照的三维物体合成。

    Oct, 2019

  • 快速的空间变化室内照明估计

    本研究提出了一种实时方法来从单个 RGB 图像估计空间变化的室内照明，使用一个 CNN 模型，它可以在少于 20ms 的时间内在笔记本电脑移动图形卡上预测给定位置处的照明情况，并且不需要任何几何信息，可以直接用于增强现实应用，可以实时在场景中的任何位置更改虚拟物体的光照效果。经过定量实验和用户研究，我们的方法比现有方法具有更低的照明估计误差和更好的用户体验。

    Jun, 2019

  • 球面传输损失下的稀疏小针灯估计

    本文介绍一种新的光照估计模型 NeedleLight，其中需要用到 needlets 来表示照明，并允许同时在频域和空间域进行照明估计。通过设计最优阈值函数来实现稀疏的 needlets，并利用基于最优输运理论的新型球形传输损失来指导对空间信息的考虑。在实验中，该模型的估计能力在多个评估指标下均优于其他先进方法。

    Jun, 2021

  • 室内可编辑照明估算

    本文提出了一种从单个视角图像中估算室内场景照明的方法，该方法估算出易于编辑的参数化光源，并结合高频信息的非参数纹理，实现宏观阴影和细节表面反射的逼真渲染效果。定量和定性结果表明，该方法简化了室内照明估算过程，同时仍能产生竞争性的结果。

    Nov, 2022

  • Lighthouse: 预测具有空间一致性的照明光照体积

    本文提出了一种使用深度学习模型对场景的三维模型进行预测，并通过标准体积渲染技术来估算场景中任何三维位置的入射光照强度，可以在没有地面真实三维数据的情况下进行训练，可用于在真实图像中插入高反光虚拟物体的空间变化照明估算方法。

    Mar, 2020

  • PointAR：移动增强现实的高效照明估计

    本篇论文提供了一个适用于现代移动设备的高效照明估计流程，称为 PointAR。该方法基于点云，可用于支持空间变异的室内照明，具有与移动特定 DNN 相当的资源复杂度。PointAR 具有比现有方法更低的光照估计误差。

    Mar, 2020

  • 基于物体的，考虑渲染的神经网络光照估计

    提出了一种方法，通过逆向渲染的物理原理来约束解决方案，同时利用神经网络来增强处理的计算能力，以提高对嘈杂输入数据的鲁棒性并实现高精度的目标物体光照估计，从而在 AR 情境下实现真实感增强。

    Aug, 2020

  • 学习从 3D 物体估计室内照明

    本文提出了一种基于深度学习和编码隐空间技术，利用包含 21000 个高动态范围室内环境地图的数据集，从单张室内物体图片中准确预测环境光的方法。

    Jun, 2018