学习分解与重打光一座城市
计算机视觉与模式识别
2020-08-07 v1 图形学
摘要
我们提出一个基于学习的框架，用于将室外场景解耦为随时间变化的照明与永久性场景因子。受经典固有图像分解启发，我们的学习信号建立于两点洞见：1）将解耦因子组合应重建原始图像；2）同一场景的多个时间采样中永久性因子应保持恒定。为便于训练，我们 assembled 来自Google Street View的城市尺度室外延时影像数据集，其中相同地点随时间被反复捕获。该数据代表了前所未有的时空室外影像规模。我们展示我们学习的解耦因子可用于以逼真方式操控新图像，例如改变光照效果与场景几何。请访问 factorize-a-city.github.io 查看动画结果。
引用
@article{arxiv.2008.02796,
title = {Learning to Factorize and Relight a City},
author = {Andrew Liu and Shiry Ginosar and Tinghui Zhou and Alexei A. Efros and Noah Snavely},
journal= {arXiv preprint arXiv:2008.02796},
year = {2020}
}
备注
ECCV 2020 (Spotlight). Supplemental Material attached