一种利用合成数据集通过深度学习估计反射率图与材料的方法

由于问题固有的病态性质，将目标图像分解为其内在属性的过程是一项困难任务。训练网络所需数据的缺乏是外观分解任务困难的原因之一。在本文中，我们提出了一种基于深度学习的反射率图预测系统，用于图像中目标物体的材料估计，以缓解该图像分解操作中出现的病态问题。我们还提出了一种用于双向反射分布函数（BRDF）参数估计、环境贴图估计的网络架构。我们也使用合成数据来解决数据缺乏问题。我们脱离了先前提出的基于深度学习的反射率图网络架构，新提出使用条件生成对抗网络（cGAN）结构来估计反射率图，这在许多应用中能获得更好的结果。为提高该结构中的学习效率，我们新利用了利用目标物体法线贴图的损失函数。