颜色命名引导的本征图像分解

本征图像分解是一个严重欠约束的问题。用户交互可显著减少分解的歧义。传统的用户交互方式是绘制指示恒定反射率或 shading 区域的涂鸦。然而涂鸦的作用范围相当有限，因此常需数十条涂鸦来纠正整个分解，这很耗时。本文提出一种高效的用户交互方式，用户仅需标注图像的颜色构成。颜色构成揭示了反射率的全局分布，因此可直接帮助调整整个分解。我们建立了一个生成模型，描述材质反照率通过成像产生反射率、并通过颜色命名产生颜色标签的过程。我们的模型有效融合了图像形成的物理属性与来自人类颜色感知的自顶向下信息。实验结果表明，颜色命名能提升本征图像分解性能，尤其在清除反射率中残留的阴影与解决颜色恒常性问题上。