SurfaceNet：从单张图像进行对抗性 SVBRDF 估计
计算机视觉与模式识别
2023-07-04 v1
摘要
在本文中，我们提出了 SurfaceNet，一种从单张图像估计空间变化双向反射分布函数（SVBRDF）材质属性的方法。我们将该问题表述为图像翻译任务，并提出了一种新颖的基于分块的生成对抗网络（GAN），能够生成高质量、高分辨率的表面反射率图。采用 GAN 范式具有双重目的：1）使模型能够恢复比标准翻译模型更精细的细节；2）以无监督方式减少合成数据与真实数据分布之间的域偏移。在合成与真实图像的公开基准上，于不同光照条件下进行了广泛评估，结果表明 SurfaceNet 在定量和定性上均大幅优于现有的 SVBRDF 重建方法。此外，SurfaceNet 在训练时无需任何监督，即展现出从真实样本生成高质量图的卓越能力。
引用
@article{arxiv.2107.11298,
title = {SurfaceNet: Adversarial SVBRDF Estimation from a Single Image},
author = {Giuseppe Vecchio and Simone Palazzo and Concetto Spampinato},
journal= {arXiv preprint arXiv:2107.11298},
year = {2023}
}