DeLight-Net：将反射图分解为镜面材质与自然光照
计算机视觉与模式识别
2016-03-29 v1
摘要
在本文中，我们从反射图（即单张显示一个材质在一个光照下的球体的2D图像）中提取表面反射率和自然环境光照。这是一个众所周知的难题，但对各种重渲染应用至关重要。随着从2D图像估计反射图的最新进展，其进一步分解已变得日益相关。为此，我们提出一种卷积神经网络（CNN）架构来重建材质参数（即Phong）以及光照（即高分辨率球面光照图），该架构仅在合成数据上训练。我们展示了对合成以及真实的反射图照片的分解，均在高动态范围（HDR）下，并且首次在低动态范围（LDR）下也进行。结果在重渲染（其中光照、材质、视角或形状被改变）方面与前人方法进行了定量和定性比较。
引用
@article{arxiv.1603.08240,
title = {DeLight-Net: Decomposing Reflectance Maps into Specular Materials and Natural Illumination},
author = {Stamatios Georgoulis and Konstantinos Rematas and Tobias Ritschel and Mario Fritz and Luc Van Gool and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:1603.08240},
year = {2016}
}
备注
Stamatios Georgoulis and Konstantinos Rematas contributed equally to this work