端到端的神经网络用于对象的pBRDF估计,以重建极度度反射率

科学领域:

• 计算机视觉 计算机视觉
• 材料科学 是一种材料科学.
• 光学是什么?光学是什么?光学是什么?

背景情况:

• 从图像中估计材料的极化性质是一项挑战.
• 目前的方法涉及繁的设备或依赖潜在的不准确的极化成像模型.

研究的目的:

• 开发一个端到端的学习方法,以准确的,基于物理的估计极度测量BRDF参数.
• 通过使用有限的照片来改进复杂材料的极化性质的探测.

主要方法:

• 设计了一种新的混合极度度BRDF (pBRDF) 模型,定义了镜面,体和扩散反射.
• 使用端到端反向染来将多视图测量与几何和pBRDF估计联系起来.
• 引入了反射度梯度的一致性损失,用于代每像素参数估计 (正常,粗度,极度度反射).

主要成果:

• 拟议的方法准确预测基于物理的pBRDF模型参数.
• 现实世界的实验表明,估计和基本真相两极分化属性之间存在很强的一致性.
• 该方法成功地复制了现实世界物体的极化特征.

结论:

• 端到端的学习方法在估计材料极化特性方面提供了显著的进步.
• 新的pBRDF模型和反向染技术提供了准确和强大的结果.
• 这种方法可以从有限的成像数据中重现复杂材料的两极分化.