深度极化线索的单拍形状与次表面散射估计
本文提出了一种新的使用视点和极化数据来完整分离漫反射和镜面反射组件、恢复折射率和最终恢复三维形状的方法,在分离过程中涉及了极化的物理特性,证明了与基准方法有竞争力的结果,并恢复了其他信息(例如折射率)
May, 2016
提出了一种混合深度成像系统,利用极化相机辅以标准数字相机的第二张图像,通过立体提示结构,使用高阶图模型实现去混淆极化表面法线估计,并利用先前的极化成形方法扩展至透视情况,从而计算稠密详细的绝对深度图。
Mar, 2019
提出一种新颖的方法,使用极化图像来消除反射,该方法解决了现有反射去除数据集中由于玻璃折射导致反射区域与无反射区域的不完全对齐问题。该方法还采用了双阶段架构的极化反射消除模型和一种新的感知 NCC 损失,可以在反射消除和图像分解任务方面提高性能,并在大量的实验中证明其胜过现有的反射消除方法。
Mar, 2020
本文提出了一种使用偏振线索高效获取物体形状和空间变化反射的新方法,其中偏振成像与深度学习相结合,可以在正面闪光照射下使用单视角偏振成像实现高质量估计物体形状和反射。
May, 2021
该研究提出了一种新的基于数据驱动和物理学先验信息的场景级别单极化图像法线估计方法,并且建立了第一个真实场景级别形态恢复数据集。该方法采用了多头自注意力与视图编码来处理在野外环境中形成的极化杂波和联机投影问题,实验结果表明,相对于现有的形态恢复方法,该方法具有更好的性能。
Dec, 2021
该研究提出了一种反渲染模型,可以从一对仅捕获到的半透明物体的图像中,联合预测3D形状、可变反射率、均匀次表面散射参数和环境光照。研究者还使用了基于物理和神经渲染器来解决反渲染中的模糊问题,并构建了庞大的合成数据集来验证模型的有效性。
May, 2023
本文提出了一种基于体渲染的光传输场学习框架,利用各种外观线索来优化几何,扩展重建和重新照明的能力,提高对于具有亚表面散射效应等更多种材料的处理能力。
Jun, 2023
这篇论文研究了反射去除的问题,提出了使用极化图像进行反射分离的极化-极化方法,并采用循环框架来逐步优化反射和传输分离的结果,实验证明该方法优于其他现有方法。
Feb, 2024
提出了一种基于反渲染的新型框架,通过学习分离部分偏振弥散和镜面反射成分来估计具有混合偏振的对象和场景的三维形状,并在完全自我监督的环境下解决了缺少地面真实表面法线数据、已知折射率和受限扫描仪分辨率的问题。
Jul, 2024
该研究解决了在重建和重新照明散射材料物体时面临的次表面光传输复杂性问题。提出了一种新颖的框架,通过优化物体形状和辐射传输场来改善3D Gaussian Splatting在处理次表面散射方面的表现。研究结果表明,该方法在优化时间和渲染效率显著提高的同时,还能实现详细的材料属性控制和实时视图合成。
Aug, 2024