用于三维形状与空间变化BRDF获取的深层偏振成像
计算机视觉与模式识别
2021-05-07 v1 图形学
机器学习
摘要
我们提出了一种利用偏振线索高效获取 3D 物体形状与空间变化反射率的新方法。不同于以往在特定约束下（已知形状或多视角获取）利用偏振估计材质或物体外观的工作，我们通过将偏振成像与深度学习相结合，消除了此类限制，从而利用正面闪光照明下的单视角偏振成像，高质量地估计 3D 物体形状（表面法线与深度）及 SVBRDF。除获取的偏振图像外，我们为深度网络提供了与形状和反射率相关的强新颖线索，即归一化 Stokes 图与漫反射颜色估计。我们还描述了网络架构与训练损失的改进，进一步提升了定性效果。我们证明，相较于近期结合深度学习与闪光照明的工作，我们的方法取得了更优结果。
引用
@article{arxiv.2105.02875,
title = {Deep Polarization Imaging for 3D shape and SVBRDF Acquisition},
author = {Valentin Deschaintre and Yiming Lin and Abhijeet Ghosh},
journal= {arXiv preprint arXiv:2105.02875},
year = {2021}
}
备注
CVPR 2021 Oral paper