Jan, 2024

带光照的物体：用于评估物体重建与渲染的真实世界数据集

PDF
TL;DR通过构建真实世界数据集，本文介绍了用于测量物体重建和渲染以实现换灯效果的方法，通过在多个环境中捕捉环境光照和真实图像，可以从一个环境中的图像重建物体，并对未见过的照明环境对渲染视图的质量进行定量分析，并通过对比基线方法和最新方法的测试结果，显示出新视点合成不能可靠地衡量性能。
发现论文，激发创造
  • 开放光照：逆向渲染评估的多光照数据集

    OpenIllumination 是一个包含 108k 多个图像的真实世界数据集，其中包括 64 个对象，具有不同的材料，在 72 个摄像机视图和大量不同的光照条件下捕获。我们提供了数据集中每个图像的准确相机参数、光照真值和前景分割掩码。该数据集可以对大多数反渲染和材料分解方法进行定量评估，并对数据集上的几种先进的反渲染方法进行了比较。数据集和代码可以在项目页面上找到：this https URL

    Sep, 2023

  • ReLight My NeRF: 用于真实世界物体的新视角综合和重光数据集

    针对如何从神经光辐射场（NeRF）中渲染新视角的问题，本文介绍了 ReNe (重新照明 NeRF) 数据集，细分了现实世界中的物体以及光与相机姿态，通过该数据集，可以表明 NeRF varients 的光照能力，进而确定了一种轻量级体系结构，以获得一种能够在新的光照条件下呈现对象新视角的方案，并用于该数据集的非平凡基线。

    Apr, 2023

  • 用于多视角三维重建的现实数据集

    本文介绍了一种包含近千个三维对象模型及超过 84 万个现实世界的 RGB 和深度图像数据集，旨在填补现有研究中缺乏的三维多视图重建的真实数据基准。该数据集通过半自动方式实现相机位置与物体姿态的精准标注，为形状重建、物体姿态估计、形状检索等 3D 应用提供了可能。数据集已开放，包含注释工具和评估基准源代码。

    Mar, 2022

  • VIDIT: 虚拟图像数据集用于照明转移

    该研究提出了一个名为 VIDIT 的虚拟图像数据集，旨在创造参考评估基准，并推进照明操作方法的开发。该数据集包含 300 个虚拟场景，用于训练和评估照明转移算法，对于领域适应和培训有很大的帮助。

    May, 2020

  • 野外多光源图像数据集

    本研究介绍了一个包含超过 1000 个真实场景的多光照数据集，每个场景都在 25 种不同的光照条件下进行了捕获。作者使用此数据集训练了针对三个应用的最新模型：单张图像光照估计、图像重新照明和混合光源白平衡。

    Oct, 2019

  • 斯坦福 - ORB: 三维物体逆向渲染实际世界基准

    我们引入了 Stanford-ORB，一个新的真实世界的 3D 物体逆向渲染基准。我们通过提供一个新的真实世界的数据集，并使用该数据集建立了首个全面的真实世界评估基准，评估对象逆向渲染任务在野外场景的性能，并比较了各种现有方法的表现。

    Oct, 2023

  • 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

  • LUCES: 近场点光源光度立体数据集

    提出了第一个 LUCES 数据集，包括 52 个 LED 灯，对 14 个物体进行了近距离照明，并用于评估最新的近场物体光度立体算法的性能，以评估最新的近场光度立体算法在实际物体材料的近距离效果方面的表现。

    Apr, 2021

  • 照片般逼真的渲染对视觉学习有多大帮助？

    研究利用合成数据半自动化创建数据集并将其应用于对象视角估计这一重要任务，使用最先进的渲染软件在视点空间中密集地呈现图像，研究渲染参数对估计性能的影响，并表明合成数据的泛化不比两个真实图像数据集之间的领域适应更困难，并且将合成图像与少量真实数据结合使用可以提高估计准确性。

    Mar, 2016

  • OpenRooms：用于照片级室内场景数据集的端到端开放框架

    提出了一种创造大规模室内场景的照片级真实数据集的新框架，可提供外观、布局、语义标签、高质量变化自由的 BRDF 和复杂照明等显著真实的基准数据，可用于逆向渲染、场景理解和机器人学，与物理引擎结合可创建具有摩擦系数等真实场景对应关系的虚拟机器人环境。

    Jul, 2020