全天气深度室外光照估计
计算机视觉与模式识别
2019-06-13 v1
摘要
我们提出一种从单张LDR图像预测HDR室外光照的神经网络。我们工作的核心是一种在任何天气条件下从LDR全景图准确学习HDR光照的方法。我们通过训练另一个CNN(在合成与真实图像的组合上)以LDR全景图为输入并回归Lalonde-Matthews室外光照模型的参数来实现这一点。该模型被训练为:a)重建天空外观,以及b)渲染受此光照照亮的对象外观。我们利用该网络用光照参数标注大规模LDR全景图数据集,并用它们训练我们的单图像室外光照估计网络。我们通过大量实验证明,我们的全景图与单图像网络均优于当前最优(state of the art)方法,且与先前工作不同,能够处理从全晴到阴天的天气条件。
引用
@article{arxiv.1906.04909,
title = {All-Weather Deep Outdoor Lighting Estimation},
author = {Jinsong Zhang and Kalyan Sunkavalli and Yannick Hold-Geoffroy and Sunil Hadap and Jonathan Eisenmann and Jean-François Lalonde},
journal= {arXiv preprint arXiv:1906.04909},
year = {2019}
}
备注
8 pages, CVPR 19. Project page: http://lvsn.github.io/allweather