HDR-Plenoxels:自校准高动态范围辐射场
本研究提出了高动态范围神经辐射场 (HDR-NeRF),通过模拟图像物理成像过程中的亮度场和色调映射器等关键参数,实现了在不同曝光条件下生成新的高动态范围和低动态范围图像。实验结果表明,该方法不仅能准确控制合成视图的曝光,还能渲染出具有高动态范围的视图。
Nov, 2021
以基于 3D 高斯喷墨技术的轻量级方法为基础,利用多视图低动态范围(LDR)图像,通过变化的曝光时间、光圈和聚焦距离重建高动态范围(HDR)光辐射场,实现灵活的重焦渲染,同时结合 HDR 和景深的处理,能够在实时电影渲染中表现出优异的性能。
Jun, 2024
提出了名为 HDR-HexPlane 的动态 HDR NeRF 框架,可以从具有不同曝光的动态 2D 图像中学习 3D 场景,使用可学习的曝光映射函数和相机响应函数,可以在任意时间点生成具有所需曝光的高质量新视图图像。
Jan, 2024
基于 NeRFs 的成功,近年来在新颖视角合成领域取得了显著进展。然而,虽然视图合成模型在视觉上看起来很真实,但其底层的 3D 模型通常是错误的,这限制了它们在实际应用中的有效性。本技术报告介绍了视图合成模型和 3D 重建模型之间的关键区别,并指出了使用深度传感器进行准确几何建模的重要性。通过扩展 Plenoxel 辐射场模型,我们对基于 RGB-D 数据的辐射场密集建图和跟踪任务提出了一种分析微分方法,实现了优于竞争神经网络方法的最新成果,并具有更快的速度。
Jul, 2023
稀疏低动态范围(LDR)全景图像中辐照度场的模型提高了几何恢复和高动态范围(HDR)重建的能力,并且在实验证明了其有效性。
Dec, 2023
Plenoxels 是一种用于光线追踪的系统,将场景表示为一个稀疏的 3D 网格模型,并通过梯度方法和正则化优化,能够实现与神经辐射场相当的质量,却快 100 倍。
Dec, 2021
通过将更多信息的 Raw 传感器数据与现有的 8 位 LDR sRGB 图像相结合,本文提出了一种适用于 Raw 图像的模型,通过学习曝光蒙版、双强度引导和全局空间引导等方法,实现对高动态范围场景的重建,并通过大量的 Raw/HDR 数据集进行实证评估,验证了该方法的优越性。
Sep, 2023
介绍了一种利用光度计经过校准的高动态范围全景图数据集的方法,可用于在计算机视觉任务中更准确地估计室内场景中的像素亮度、颜色温度和照明情况。
Apr, 2023
本文提出了一种基于学习的方法,通过手机相机拍摄的低动态范围图像推断出高动态范围、全方位光照。通过使用不同反射功能材料在单个曝光中显示不同的光照提示,我们训练深度神经网络从低动态范围背景图像回归到 HDR 照明。通过图像重照操作,我们与预测光照匹配,实现了渲染虚拟物体进入现实环境中。与现有技术相比,我们对自动曝光和白平衡视频进行训练,提高了室内外场景渲染对象的真实感。
Apr, 2019
本研究提出了一种基于学习的逆色调映射方法,利用深度自动编码器从非线性、饱和、低动态范围全景图中回归出线性的高动态范围数据,以验证该方法在捕获户外环境映射和图像匹配等方面的实用性。
Mar, 2017