VT-Intrinsic：基于物理的单可见光-热红外图像对反射率与阴影分解
计算机视觉与模式识别
2026-04-01 v3
摘要
由于缺乏大量真实场景的真值数据，将场景分解为反射率和阴影是一项挑战。我们提出了一种利用可见光和热红外图像对进行本征图像分解的新型基于物理的方法。我们利用了这样一个原理：未从不透明表面反射的光会被吸收并被热红外相机检测为热量。这使我们能够将可见光和热红外图像强度之间的序关系（或相对大小）与阴影和反射率的序关系联系起来。这些序关系实现了对优化神经网络的密集自监督，以恢复阴影和反射率。我们在自然光和人工照明下对已知反射率和阴影进行了定量评估，并在多种场景下进行了定性实验。结果表明，其性能优于基于物理的方法和近期基于学习的方法，为实现带有监督的可扩展真实世界数据整理提供了一条途径。
引用
@article{arxiv.2509.10388,
title = {VT-Intrinsic: Physics-Based Decomposition of Reflectance and Shading using a Single Visible-Thermal Image Pair},
author = {Zeqing Yuan and Mani Ramanagopal and Aswin C. Sankaranarayanan and Srinivasa G. Narasimhan},
journal= {arXiv preprint arXiv:2509.10388},
year = {2026}
}
备注
Accepted by CVPR 2026. Project webpage: https://vt-intrinsic.github.io/