基于全向图像的室内随意捕获 HDR 辐射场
计算机视觉与模式识别
2022-10-20 v2
摘要
我们提出 PanoHDR-NeRF，一种室内场景完整 HDR 辐射场的神经表示，以及一种无需精细布置或复杂捕获流程即可随意捕获该辐射场的流水线。首先，用户通过手持现成相机围绕场景自由挥动，捕获场景的低动态范围（LDR）全向视频。随后，一个 LDR2HDR 网络将捕获的 LDR 帧提升为 HDR，并用于训练一个定制化的 NeRF++ 模型。所得的 PanoHDR-NeRF 可从场景任意位置渲染完整 HDR 图像。通过在真实场景的新测试数据集上进行实验（该数据集在训练时未见的若干位置处捕获了真实 HDR 辐射作为基准），我们表明 PanoHDR-NeRF 能从任意场景点预测出合理的 HDR 辐射。我们还展示了预测辐射可合成正确的光照效果，从而能够以正确光照将合成物体增强到室内场景中。数据集与代码见 https://lvsn.github.io/PanoHDR-NeRF/。
引用
@article{arxiv.2208.07903,
title = {Casual Indoor HDR Radiance Capture from Omnidirectional Images},
author = {Pulkit Gera and Mohammad Reza Karimi Dastjerdi and Charles Renaud and P. J. Narayanan and Jean-François Lalonde},
journal= {arXiv preprint arXiv:2208.07903},
year = {2022}
}
备注
BMVC 2022