野外照片集中的材质和光照估计的联合
摘要：2D互联网图像的形状、材质和照明的可靠分解将极大地受益于外观因子化为材质（即漫反射和镜面反射）和照明（即环境映射）。一方面，目前的方法产生非常高保真度的结果通常需要受控环境、昂贵设备或大量人工努力。另一方面，自动处理“野外”互联网图像的方法往往只提取低频照明或漫反射材料。在这项工作中，我们建议利用一组照片来共同估计非漫反射材料和锐利照明。我们的关键观察是，看到同一材料在不同照明（即环境）下的多个实例，以及在相同照明下的不同材料，提供了有价值的约束，可以被利用来得到高质量的解决方案（即镜面材料和环境照明）来观察到的所有材料和环境。当在单个环境中观察多个材料或在多个环境中观察单个材料时，也会出现类似的约束。此方法的核心是使用两个在合成图像上训练的神经网络的优化过程，以预测给定反射光观察的参数空间中的良好梯度。我们通过一系列合成和实际示例来评估我们的方法以生成高质量的估计，通过用户研究定性比较我们的结果与最先进的替代方法，并展示否则非常具有挑战性的照片一致的图像处理技术。
作者：Tuanfeng Y. Wang, Tobias Ritschel, Niloy J. Mitra
论文ID：1710.08313
分类：Graphics
分类简称：cs.GR
提交时间：2017-11-15