从反射率到摩擦力：用于从单次现场反射率预测物理表面属性的深度反射率编码
计算机视觉与模式识别
2016-07-12 v2
摘要
图像是视觉算法的标准输入，但单次现场反射率测量正在为识别和场景理解创造新的机会。在这项工作中，我们以一种高效的方式探讨反射率能揭示材料哪些信息的问题。我们超越识别和标注问题，提出疑问：利用反射率可以估计表面的哪些内在物理属性？我们引入了一个框架，能够利用单次反射率测量预测表面的实际摩擦值。这项工作是此类视觉基于摩擦估计的首例。我们提出了一种用于反射率圆盘的新颖表示，可瞬时捕获部分 BRDF 测量。我们的深度反射率编码方法结合了 CNN 特征和 Fisher 向量池化与最优二值嵌入，以生成具有足够判别力以及重要的光照和空间不变性的编码。实验结果证明，反射率可以在解读真实世界场景的潜在物理属性方面发挥新的作用。
引用
@article{arxiv.1603.07998,
title = {Friction from Reflectance: Deep Reflectance Codes for Predicting Physical Surface Properties from One-Shot In-Field Reflectance},
author = {Hang Zhang and Kristin Dana and Ko Nishino},
journal= {arXiv preprint arXiv:1603.07998},
year = {2016}
}