DeRenderNet：基于形状（不）相关阴影渲染的城市场景本征图像分解
计算机视觉与模式识别
2021-04-29 v1
摘要
我们提出DeRenderNet，一种深度神经网络，以自监督方式训练，给定单幅室外城市场景图像，分解反照率与潜在光照，并渲染形状（不）相关阴影。为实现该目标，我们提出使用从电子游戏场景中提取的反照率图作为直接监督，并基于提供的深度图预计算法线与阴影先验图作为间接监督。与最先进的本征图像分解方法相比，DeRenderNet生成具有干净细节的无阴影反照率图，并在形状无关阴影中准确预测阴影，这被证明对城市场景的重新渲染及提升高层视觉任务精度有效。
引用
@article{arxiv.2104.13602,
title = {DeRenderNet: Intrinsic Image Decomposition of Urban Scenes with Shape-(In)dependent Shading Rendering},
author = {Yongjie Zhu and Jiajun Tang and Si Li and Boxin Shi},
journal= {arXiv preprint arXiv:2104.13602},
year = {2021}
}