Recovering lighting in a scene from a single image is a fundamental problem
in computer vision. While a mirror ball light probe can capture omnidirectional
lighting, light probes are generally unavailable in everyday images. In this
work, we study recovering lighting from accidental light pro
本文研究计算机视觉中的一个基本问题,即如何从平面图像中推断出世界的内在 3D 结构,并提出一种统计推断的优化问题,通过考虑表面光滑、颜色均匀、光照自然等先验知识,提出一种能够从单张图像中还原场景属性,包括形状、反射率和光照等的技术。该方法包含多个计算机视觉问题的超集,并优于以前所有单独问题的解决方案。
通过对物体外观变化或海底的利用,利用摄像机视截锥体,新的约束条件假设为兰伯特表面,对应的图像像素约束摄像机前的光场,并且为每个体素存储一个信号因子和后向散射值,该体素网格可用于高效地恢复摄像机光平台的图像,这有助于保持大型 3D 模型和地图的一致纹理,否则这些模型和地图将被光照和介质伪像所主导。在模拟和实际数据集上进行了大量实验以验证我们方法的有效性,实验结果证明了我们方法在恢复物体真实反射率的同时减少了光照和介质效应的影响。此外,我们还展示了我们的方法可以轻松扩展到其他场景,包括带人工照明的空中成像或其他类似情况。