居家形状与材质捕捉
计算机视觉与模式识别
2021-04-14 v1
摘要
在本文中，我们提出了一种仅使用相机、手电筒以及可选三脚架来估计物体几何与反射率的技术。我们提出了一种简单的数据捕捉方法，用户环绕物体，用手电筒照明并仅捕捉少量图像。我们的主要技术贡献是引入了一种递归神经架构，它可在给定 2^{k}*2^{k} 分辨率输入图像以及前一步 2^{k-1}*2^{k-1} 估计几何与反射率的情况下，预测 2^{k}*2^{k} 分辨率的几何与反射率。这一称为 RecNet 的递归架构以 256x256 分辨率训练，但可在推理时轻松处理 1024x1024 图像。我们表明，在给定三张或更少输入图像时，与先前方法相比，我们的方法产生更精确的表面法线和反照率，尤其在镜面高光和投射阴影区域。视频和代码请访问项目网站 http://dlichy.github.io/ShapeAndMaterialAtHome/。
引用
@article{arxiv.2104.06397,
title = {Shape and Material Capture at Home},
author = {Daniel Lichy and Jiaye Wu and Soumyadip Sengupta and David W. Jacobs},
journal= {arXiv preprint arXiv:2104.06397},
year = {2021}
}
备注
Accepted to CVPR 2021