基于解耦 NeRF 表示的材质变换
计算机视觉与模式识别
2024-11-13 v1 图形学
摘要
在本文中，我们首先提出了一种在不同场景间迁移材质变换的新方法。基于解耦的神经辐射场 (NeRF) 表示，我们的方法学习从在不同条件（如干燥和潮湿）下观察到的成对场景中映射双向反射分布函数 (BRDF)。学习到的变换随后可应用于具有相似材质的未见场景，从而有效地以任意强度渲染学习到的变换。在合成场景和真实物体上的大量实验验证了我们方法的有效性，表明它可以学习各种变换，如湿润、绘画、涂层等。我们的结果不仅突显了我们方法的通用性，也显示了其在计算机图形学中实际应用的潜力。我们在 https://github.com/astra-vision/BRDFTransform 上发布了我们的方法实现以及合成/真实数据集。
引用
@article{arxiv.2411.08037,
title = {Material Transforms from Disentangled NeRF Representations},
author = {Ivan Lopes and Jean-François Lalonde and Raoul de Charette},
journal= {arXiv preprint arXiv:2411.08037},
year = {2024}
}