快速轻量级近场光度立体

我们引入了首个基于端到端学习的近场光度立体（PS）解决方案，其中光源靠近感兴趣物体。该设置对于重建大型不可移动物体尤为有用。我们的方法速度快，在商用 GPU 上约 1 秒即可从 52 张 512$\times$384 分辨率图像生成网格，从而有可能解锁若干 AR/VR 应用。现有方法依赖于优化与在像素或小块上运行的远场 PS 网络相结合。使用优化使这些方法缓慢且内存密集（需要 17GB GPU 和 27GB CPU 内存），而仅使用像素或小块使它们极易受噪声和标定误差影响。为解决这些问题，我们开发了一种递归多分辨率方案，在每一步估计整幅图像的表面法线和深度图。每个尺度上预测的深度图随后用于估计下一尺度的“逐像素光照”。该设计使我们的方法比使用迭代优化的当前最优近场 PS 重建技术快近 45$\times$ 且准确度高 2$^{\circ}$（平均角度误差 11.3$^{\circ}$ vs. 13.3$^{\circ}$）。