从 3D 物体学习估计室内光照

本文旨在针对已知物体的单张图像，提出一种更准确预测环境光照的方法。为此，我们开发了一种深度学习方法，能够使用少量参数编码室内光照的潜在空间，并在环境图数据库上进行训练。该潜在空间随后用于生成光照预测，其结果比以往方法更逼真且更准确。为实现这一目标，我们的第一个贡献是一个深度自编码器，能够学习紧凑建模光照的特征空间。第二个贡献是一个卷积神经网络，可从已知物体的单张图像预测光照。为训练这些网络，我们的第三个贡献是一个包含 21,000 张 HDR 室内环境图的新颖数据集。结果表明，即使从漫反射物体出发，该预测器也能生成合理的关照估计。