目录
策略:使用IDE集成方向编码;计算表面反射方向作为输入;大型MLP
3.Neural Reflectance for Shape Recovery with Shadow Handling
5.(非)Image-Based Rendering of Cars using Semantic Labels and Approximate Reflection Flow
6.(非)Specular Flow and the Recovery of Surface Structure
ps。论文中有关于部分反射场景重建的历史和综述(截止2016年、且关注于流flow方法)
7.(非)On Joint Estimation of Pose, Geometry and svBRDF from a Handheld Scanner
8.(非)Specular-to-Diffuse Translation for Multi-View Reconstruction
策略:提出环境辐射场。先估计物体的SDF与漫反射辐射,之后设置虚拟相机点在物体内部,进行外部环境5D重建,最终结果是重建的场景在物体上的投影。
10.Reconstructing Scenes with Mirror and Glass Surfaces
11.PANDORA: Polarization-Aided Neural Decomposition of Radiance
策略:利用偏振图像,先sdf后分离漫反射镜面反射进行入射光估计。
12.Neural Point Catacaustics for Novel-View Synthesis of Reflections
策略:(哈希编码+SDF)将反射颜色与漫反射其他反射分开进行预测,再多一个两者权重预测的MLP。
策略:为每个网格顶点设置了一个漫反射颜色cd和一组球形高斯瓣。
ps。有讲述mip-nerf 360里propose MLP是什么。
1.Ref-NeRF
时间:2021
项目地址:https://dorverbin.github.io/refnerf/
策略:使用IDE集成方向编码;计算表面反射方向作为输入;大型MLP
结果:
(Ref-NeRF的Shiny-blender数据集)
(NeRF的blender数据集)
2.NeRFactor
时间:2021
项目地址:https://xiuming.info/projects/nerfactor/
一种将物体在未知光照条件下的图像分解为形状、反射率和光照的方法,从而支持自由视点重光照(有阴影)和材质编辑。
策略:(distill)NeRF估计的体密度提取到表面几何
3.Neural Reflectance for Shape Recovery with Shadow Handling
时间:2022
代码地址:https://github.com/junxuan-li/Neural-Reflectance-PS
利用观测到的光度方差和表面阴影,恢复表面形状和一般非朗伯反射率。我们明确预测了投射阴影,减少了这些阴影区域可能出现的伪影,从而提高了估计精度。我们的框架是完全自监督的,因为它既不需要地面真实形状,也不需要 BRDF。
策略:一个MLP预测了入射观测半角与法向量之间的方差bi,另一个MLP预测法向量n、镜面反射权重c、漫反射albedo ρd,还有一个MLP预测了深度,并使用深度计算阴影因子s(感觉可以类比NeRO里面的遮挡因子s)。
主要思路还是围绕微表面BRDF函数进行设计,加入阴影因子。
(but 设想的是各向同性)
结果使用的还是以自己的数据为主。
4.(非)MaterialGAN:
Reflectance Capture using a Generative SVBRDF Model
时间:2020
论文地址:https://arxiv.org/pdf/2010.00114.pdf
打搅了,这是GAN。
5.(非)Image-Based Rendering of Cars using Semantic Labels and Approximate Reflection Flow
时间:2020
策略:实时镜面反射流,通过语义分类添加语义标签图
6.(非)Specular Flow and the Recovery of Surface Structure
时间:2016
论文地址:Specular Flow and the Recovery of Surface Structure | IEEE Conference Publication | IEEE Xplore