SILT：基于隐式图像分解的自监督光照迁移
计算机视觉与模式识别
2022-03-16 v2 图形学
摘要
我们提出 SILT，一种自监督隐式光照迁移（Self-supervised Implicit Lighting Transfer）方法。与先前关于场景重光照的研究不同，我们并不试图将任意新光照配置应用于给定场景，而是希望从其他场景的数据库中迁移光照风格，以在不受输入影响的情况下提供统一的光照风格。该方案以一个双分支网络运行，首先旨在将任意光照风格的输入图像映射到统一域，并通过隐式图像分解实现额外引导。随后，我们使用一个判别器对该统一输入域进行重映射，该判别器以生成输出与风格参考（即所需光照条件下的图像）为输入。我们的方法在两个不同数据集上均优于有监督重光照方案，且无需光照监督。
引用
@article{arxiv.2110.12914,
title = {SILT: Self-supervised Lighting Transfer Using Implicit Image Decomposition},
author = {Nikolina Kubiak and Armin Mustafa and Graeme Phillipson and Stephen Jolly and Simon Hadfield},
journal= {arXiv preprint arXiv:2110.12914},
year = {2022}
}
备注
Accepted to BMVC 2021. The code and pre-trained models can be found at https://github.com/n-kubiak/SILT