Mar, 2024

GaNI: 全局和近场光照感知的神经反渲染

PDF
TL;DR本研究提出了一种名为 GaNI 的全球和近场照明感知的神经逆渲染技术，能够从光和相机共同拍摄的场景图像中重建几何、反射率和粗糙度参数。我们通过两个阶段的方法来解决现有的逆渲染技术只能针对单个物体的问题，首先利用神经体积渲染 NeuS 重建几何，然后使用先前预测的几何来估计反射率和粗糙度。实验证明，我们的方法在合成和真实数据上表现优于现有的基于光和相机共同拍摄的逆渲染技术，能够产生更好的反射率和略微更好的几何。
发现论文，激发创造
  • 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

  • 通过神经透视函数和辐射场的反渲染光滑物体

    基于 NeRFs 和光线追踪，我们提出了一种 5D 神经光场（NeP），通过渲染方程，可以更准确地表达光照 - 物体相互作用，同时使用材质感知锥采样策略有效地集成 BRDF 波束内的光源。

    Mar, 2024

  • 使用神经辐射先验的全局反照率反演

    本研究提出了一种基于辐射先验和神经网络的简单的反渲染方法，可正确计算全局光照，同时在更短的计算时间内实现了与传统方法相当甚至更好的场景参数恢复质量。

    May, 2023

  • NeuS-PIR: 使用预积分渲染学习可重新照明的神经表面

    本文提出了一种新方法，使用预积分渲染有效地学习可重构的神经表面，同时在神经隐式场内学习几何、材料和照明等物理属性，并在协作上进行优化，实现了在合成和真实数据集中超越现有技术的效果。

    Jun, 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

  • NeAI: 插拔式神经环境照明的预卷积表示

    本研究提出一种全可微分的神经自适应环境光照 (NeAI) 框架，使用神经光辐射场 (NeRF) 作为光照模型，解决了简化光照模型的不足，并通过实验表明在新视角渲染方面的卓越性能，为弥合虚拟和现实场景之间的差距打开了令人兴奋的可能性。

    Apr, 2023

  • 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

  • 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

  • IllumiNeRF: 无需逆渲染的 3D 照明

    通过使用图像扩散模型对输入图像进行重新照明，并利用这些重新照明的图像重建神经辐射场（NeRF），我们提出了一种更简单的方法来实现利用目标光照下的新视点渲染的三维表示，并在多个重新照明基准测试中取得了最新的结果。

    Jun, 2024

  • DarkGS: 学习神经照明和 3D 高斯重照技术，用于黑暗环境下的机器人探索

    我们介绍了一种新的框架，使用数据驱动方法来模拟和校准摄像机 - 光源系统，并应用于创建一种可重新照明的 3D 高斯场景模型，从而实现了从新的视点进行实时、逼真渲染的能力，并展示了我们所提出的模拟器和系统在各种实际环境中的适用性和强健性。

    Mar, 2024