利用全局光照上下文的通用光度立体网络

本文处理一项新的光度立体任务，称为通用光度立体。与假设特定物理光照模型的现有任务不同——后者因而极大限制了其可用性，该任务的求解算法应在任意光照变化下对具有多样形状与材质的物体工作，且不假设任何特定模型。为求解这一极具挑战的任务，我们提出一种纯数据驱动方法，其通过以提取称为全局光照上下文的通用光照表示来替代物理光照参数的恢复，从而消除对光照的先验假设。我们像在标定光度立体网络中那样将其用作光照参数，以逐像素恢复表面法向量。为使我们的网络适应广泛的形状、材质与光照，其在模拟野外物体外观的新合成数据集上训练。我们的方法与其他最先进的非标定光度立体方法在我们的测试数据上进行比较，以展示我们方法的重要性。