基于漫反射贴图引导的无监督生成对抗网络用于SVBRDF估计
计算机视觉与模式识别
2022-05-26 v2 图形学
摘要
真实世界中材料的重建一直是计算机图形学中的难题。准确重建真实世界中的材料在逼真渲染领域至关重要。传统上，计算机图形学中的材料由艺术家绘制贴图，然后通过坐标变换映射到几何模型上，最后用渲染引擎渲染以获得逼真材料。对于不透明物体，工业界通常使用基于物理的双向反射分布函数(BRDF)渲染模型进行材料建模。常用的基于物理的渲染模型有Cook-Torrance BRDF、Disney BRDF。本文使用Cook-Torrance模型重建材料。SVBRDF材料参数包括法线(Normal)、漫反射(Diffuse)、高光(Specular)和粗糙度(Roughness)。本文提出一种基于生成对抗网络(GAN)的漫反射贴图引导材料估计方法。该方法仅使用手机拍摄的少量图片，即可预测具有全局特征的合理SVBRDF贴图。本文的主要贡献为：1)对少量输入图片进行预处理，生成大量不重复图片用于训练，以减少过拟合。2)使用一种新方法直接获得具有全局特征的猜测漫反射贴图，为训练过程提供更多先验信息。3)改进生成器的网络结构，使其能生成法线贴图的精细细节，并降低生成过于平坦的法线贴图的可能性。本文所用方法可在不使用数据集训练的情况下获取先验知识，大大降低了材料重建的难度，并节省了大量生成和标定数据集的时间。
引用
@article{arxiv.2205.11951,
title = {Diffuse Map Guiding Unsupervised Generative Adversarial Network for SVBRDF Estimation},
author = {Zhiyao Luo and Hongnan Chen},
journal= {arXiv preprint arXiv:2205.11951},
year = {2022}
}