NeuralMPS：通过光谱反射率分解实现非朗伯多光谱光度立体视觉
计算机视觉与模式识别
2022-11-29 v1
摘要
多光谱光度立体视觉（MPS）旨在从多光谱光照下捕获的单次曝光多光谱图像中恢复场景的表面法线。现有的 MPS 方法采用朗伯反射模型以使问题可解，但这极大地限制了它们在真实世界表面上的应用。在本文中，我们提出了一种名为 NeuralMPS 的深度神经网络，以解决一般非朗伯光谱反射率下的 MPS 问题。具体来说，我们提出了一种光谱反射率分解（SRD）模型，将光谱反射率解耦为几何分量和光谱分量。通过这种分解，我们证明了具有均匀材质表面的 MPS 问题等价于光照强度未知的传统光度立体视觉（CPS）问题。通过这种方式，NeuralMPS 利用已被充分研究的非朗伯 CPS 方法，降低了非朗伯 MPS 问题的难度。在合成场景和真实世界场景上的实验证明了我们方法的有效性。
引用
@article{arxiv.2211.15311,
title = {NeuralMPS: Non-Lambertian Multispectral Photometric Stereo via Spectral Reflectance Decomposition},
author = {Jipeng Lv and Heng Guo and Guanying Chen and Jinxiu Liang and Boxin Shi},
journal= {arXiv preprint arXiv:2211.15311},
year = {2022}
}