具有阴影处理能力的用于形状恢复的神经反射率方法
计算机视觉与模式识别
2022-03-25 v1
摘要
本文旨在恢复具有未知、非朗伯且可能空间变化表面材质的场景形状。当物体形状高度复杂且表面投有阴影时，该任务变得极具挑战。为克服这些挑战，我们提出一种基于坐标的深度MLP(多层感知机)来参数化未知3D形状与每一表面点处的未知反射率。该网络能够利用表面观测到的光度变化与阴影，恢复表面形状与一般非朗伯反射率。我们显式预测投射阴影，减轻这些阴影区域上可能的伪影，从而提高估计精度。我们的框架完全自监督，即既不需要真实形状也不需要BRDF。在真实图像上的测试表明，我们的方法以显著优势优于现有方法。得益于MLP网络的小尺寸，我们的方法比先前基于CNN的方法快一个数量级。
引用
@article{arxiv.2203.12909,
title = {Neural Reflectance for Shape Recovery with Shadow Handling},
author = {Junxuan Li and Hongdong Li},
journal= {arXiv preprint arXiv:2203.12909},
year = {2022}
}
备注
Accepted to CVPR 2022. Codes available in https://github.com/junxuan-li/Neural-Reflectance-PS