Oct, 2023

SIRe-IR：高照度场景下具有阴影和光照去除的 BRDF 重建的反渲染

PDF
TL;DRSIRe-IR 是一种基于非线性映射和正则化能见度估计的隐式神经反渲染方法，能够准确地将场景分解为环境贴图、反射率和粗糙度，并能够同时模拟间接辐射场、法线、能见度和直接光，从而消除材质中的阴影和间接照明。SIRe-IR 在定量和定性评估中均优于现有方法。
发现论文，激发创造
  • 逆向渲染中间接照明建模

    本文提出一种新的方法来有效地恢复具空间变化的间接光照。该方法使用输入图像学习的神经放射场方便地导出间接光照，并采用适当建模的方法恢复直接光照的可见度和间接光照的折射 - 阴影自由反照率，以达到优于先前方法的效果。

    Apr, 2022

  • SIR： 室内场景的多视角可分解阴影逆渲染

    我们提出了一种高效的方法 SIR，用于室内场景的逆向渲染，通过使用多视角数据来分解可微阴影，解决了在准确分解材料和照明条件方面的挑战。

    Feb, 2024

  • NeFII：近场间接照明反演渲染下的反射分解

    本文提出了一种端到端的反渲染算法，使用 Monte Carlo 路径追踪缓存间接光照信息，以实现物质和光照的分解，并通过内在神经辐射与路径追踪结果之间的辐射一致性约束及联合优化方法来提高分解表现，实验证明该方法在多个合成和真实数据集上的表现优于现有技术，尤其在互反分解方面。

    Mar, 2023

  • 复杂室内场景的反渲染：从单张图像提取形状、空间变化照明和空间可变双向反射分布函数

    提出了一种深度反渲染框架，用于室内场景的重建和估计形状、光照和面反射率，实现了提高渲染质量，从而在增强现实等领域具有广泛应用。

    May, 2019

  • 从单张图片中神经逆向渲染室内场景

    本文提出了一种基于学习的逆向渲染方法，通过构建 Residual Appearance Renderer（RAR）来综合估计户内场景的反射率、法线和照明，使用基于物理的渲染技术创建了大规模的合成数据集。实验结果表明，该方法优于已有的估计一种或多种场景属性的最先进方法。

    Jan, 2019

  • 从单个视频进行大规模城市场景逆向渲染

    该论文提出了一种名为 UrbanIR 的模型，可以从视频中反演出场景的形状、亮度、可见度和光照等属性，从而实现真实感观影，其利用了一种新的损失函数来控制渲染的伪影问题，并且获得了比其他方法更好的阴影体积估计。

    Jun, 2023

  • IRIS：从低动态范围图像中反渲染室内场景

    从多视角、低动态范围（LDR）图像中恢复场景的基于物理的材质属性和空间变化的高动态范围（HDR）照明，实现了高度逼真的重照和物体插入。

    Jan, 2024

  • TensoIR：张量反渲染

    TensoIR 是一种新的反渲染方法，基于张量分解和神经场，它可以从多视角图像中估计场景几何，表面反射和环境照明，从而实现逼真的新视角合成和重照结果。

    Apr, 2023

  • 神经场遇上显式几何表示，逆向渲染城市场景

    提出一种新的逆向渲染框架，能够从一组 RGB 图像中联合重建场景几何、空间变化的材料和 HDR 照明，并支持物理场景操作，例如射线跟踪阴影投射。

    Apr, 2023

  • 可能具有光泽物体的表面、照明和材料的重建 —— 基于因子的神经场景解释

    该研究提出一种逆向渲染方法，通过多视角图像恢复场景的表面、材质和光照，可以处理具有光泽物体或亮光照明场景，无需使用附加数据，三个阶段的方法通过漫反射和镜面颜色考虑复杂视角依赖光照效果对表面重构，该方法在不依赖任何附加数据的情况下，优于当前状态下表面材质和光照恢复的最佳方法。

    May, 2023