NeILF++：用于几何与材质估计的互反射光场
计算机视觉与模式识别
2023-03-31 v1
摘要
我们提出了一种新颖的可微渲染框架，用于从多视角图像中联合估计几何、材质与光照。与先前假设简化环境贴图或共置闪光灯的方法不同，本工作将静态场景的光照建模为一个神经入射光场（NeILF）与一个出射神经辐射场（NeRF）。所提方法的核心洞见是通过基于物理的渲染以及表面间的互反射，将入射与出射光场统一，从而能够以基于物理的方式从图像观测中解耦场景几何、材质与光照。所提出的入射光与互反射框架可轻松应用于其他NeRF系统。我们表明，我们的方法不仅能将出射辐射度分解为入射光与表面材质，还可作为表面细化模块进一步提升神经表面的重建细节。我们在多个数据集上证明，所提方法在几何重建质量、材质估计精度及新视角渲染保真度方面均能取得最先进（SOTA）结果。
引用
@article{arxiv.2303.17147,
title = {NeILF++: Inter-Reflectable Light Fields for Geometry and Material Estimation},
author = {Jingyang Zhang and Yao Yao and Shiwei Li and Jingbo Liu and Tian Fang and David McKinnon and Yanghai Tsin and Long Quan},
journal= {arXiv preprint arXiv:2303.17147},
year = {2023}
}
备注
Project page: \url{https://yoyo000.github.io/NeILF_pp}