BriefGPT - AI 论文速递
·
NPLMV-PS：神经点光源多视角光度立体
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新颖、高度实用的双目光度立体（PS）框架，通过最小化光照图像估计的法线差异和渲染表面强度与观察图像之间的差异，学习可微表面和纹理表示。该方法在双目立体设置和新的双目光度立体数据集上取得了最先进的性能。
🎯
关键要点
- 提出了一种新颖、高度实用的双目光度立体（PS）框架。
- 该框架的采集速度与单视图 PS 相同，但显著改善了几何估计的质量。
- 形状估计任务通过最小化光照图像估计的法线差异和渲染表面强度与观察图像之间的差异来实现。
- 该方法与典型的多视图形状估计方法有两个关键区别：使用深度神经网络计算表面高度和学习的 BRDF 进行点接近场强度渲染。
- 在双目立体设置的 DiLiGenT-MV 数据集和新的 LUCES-ST 数据集上取得了最先进的性能。
➡️
