单图像全身人体重打光
计算机视觉与模式识别
2021-07-16 v1 图形学
摘要
我们提出了一种基于单图像的数据驱动方法，用于自动对包含全身人体的图像进行重打光。我们的框架基于利用预计算辐射传输（PRT）和球谐（SH）光照的逼真场景分解。与先前工作不同，我们放宽了关于朗伯材质的假设，并在数据中显式建模漫反射与镜面反射率。此外，我们引入了一个额外的依赖于光照的残差项，以补偿基于PRT的图像重建中的误差。我们提出了一种针对PRT中所执行分解量身定制的新深度学习架构，并使用L1、对数与渲染损失的组合进行训练。我们的模型在全身人体重打光任务上，无论是合成图像还是照片，均优于当前最优方法。
引用
@article{arxiv.2107.07259,
title = {Single-image Full-body Human Relighting},
author = {Manuel Lagunas and Xin Sun and Jimei Yang and Ruben Villegas and Jianming Zhang and Zhixin Shu and Belen Masia and Diego Gutierrez},
journal= {arXiv preprint arXiv:2107.07259},
year = {2021}
}
备注
11 pages, 12 figures