May, 2024

NieR: 基于法线的光照场景渲染

HTML
PDF
TL;DR在真实世界的道路场景中，各种材料的物性导致光反射现象复杂，准确的颜色再现对于增强模拟驾驶环境的真实性和安全性至关重要。本研究提出了一种新颖的框架NieR（基于法线的光照场景渲染），以考虑不同材料表面光反射的细微差别，从而实现更精确的渲染。为了模拟光照合成过程，介绍了LD（光分解）模块，用于捕捉表面上的光反射特性。此外，为了解决动态光照场景的问题，提出了HNGD（分层法线梯度密度化）模块，以克服稀疏高斯表示法的局限性。实验评估结果表明，我们的方法在视觉质量方面优于最先进方法，并在性能指标上具有显著优势。代码可在此https URL处获取。
发现论文，激发创造
  • NeRV：用于重新照明和视图合成的神经反射率和可见性场

    该研究提供了一种基于连续体积参数化的方法，可以将场景表示为可以在新视点下进行渲染的3D表示，并且可在任意照明条件下呈现，包括间接光照效果，从而解决了以前的方法因光照环境变化而受限的问题。

    Dec, 2020

  • NeRFactor: 在未知光照情况下进行形状和反射的神经因子分解

    通过 NeRFactor 方法，通过多视图图像恢复物体的形状和空间变化的反射率，从而实现在任意环境光照下呈现物体的新视图和编辑物体材料属性。

    Jun, 2021

  • DIB-R++：混合可微分渲染器的光照和材质预测学习

    该论文提出了一种混合不同iable引擎，它支持光照和材质等照片级别的效果，甚至可以处理一些“非兰伯特”和“高光”等效果。拥有优秀的性能并且不需要任何地面真实数据，可以从单个图像中实现几何、反射和光照预测。

    Oct, 2021

  • IRISformer：用于室内场景单张图像反渲染的紧密视觉变换器

    本研究的重点是通过使用变换器结构来解决单张图像反渲染领域的挑战，进而从单张室内场景图像中同时估计深度、法线、强度和光照，以及对比其他方法在实际应用中的优势。

    Jun, 2022

  • LANe: 用于组合场景合成的光照感知神经场

    本文提出了一种名为Lighting-Aware Neural Field (LANe)的方法，以在具有物理一致性的条件下进行组合合成物体，该方法采用神经场来表征3D场景，将静态背景和瞬态元素分离成世界-NeRF和类特定的物体-NeRFs，并明确地设计了世界和物体模型以处理照明变化，以便将物体组合到具有空间变化照明的场景中。

    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

  • 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

    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。

    Jan, 2024

  • 物理基于反渲染中的NeRF作为非遥远环境发射器

    使用NeRF作为空间变化的环境光照模型建立反向渲染程序，通过与环境贴图在真实和合成数据集上的比较，展示了使用基于NeRF的发射器能更准确地模拟场景光照并导致更精确的反向渲染。

    Feb, 2024

  • 闪电 NeRF：高效的自动驾驶混合场景表示

    通过在自动驾驶场景中使用来自LiDAR的几何先验知识，Lightning NeRF显著提高了NeRF的新视图合成性能，减少了计算开销，并在真实世界数据集上的评估中取得了显著的性能提升。

    Mar, 2024

  • 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