《face as a lighting probe via Unsupervised Deep highlight extraction——通过无监督深度高光提取面对照明探测器》论文笔记

本文介绍了一种利用深度神经网络无监督地从人脸图像中提取高光,并通过追踪反射恢复环境地图的技术。通过预训练和无监督微调网络,即使在真实照片数据有限的情况下,也能实现精确的光照估计。利用人脸的低秩矩阵特性改进了网络性能,最终实现了对多人脸的环境地图三角定位,以恢复3D光源位置。
摘要由CSDN通过智能技术生成

Abstract摘要

创新点在于下面这句:

our technique estimates illumination at a higher precision in the form of a non-parametric environment map

原因及方法在下面这句:

Based on the observation that faces can exhibit strong highlight reflections from a broad range of lighting directions, we propose a deep neural network for extracting highlights from faces, and then trace these reflections back to the scene to acquire the environment map.

总的来说就是用神经网络来提取面部高光部分,再通过追踪到场景的反射部分来得到environment map。由于真实训练数据很少,所以采用无监督学习来微调网络。为了减少皮肤的漫反射效果,用了一个基于脸部材质先验的反卷积方法。

  1. Introduction
    基于单幅图片的光照估计具有挑战性是因为图片效果和光照、反射、几何都有关系。一般方法都是假定反射和几何已知,但无实际可操作性。现在存在对人脸的先验方法,也就是合理的假设人脸的几何和反射,提到了一篇《A signal-processing framework for inverse rendering 》——基于漫反射的人脸光照估计,只估计了环境光的低频部分,漫反射率作为一个低通滤波器。传统的light probe是镜面球(mirrored sphere),因为它在每个法线方向上都有很清晰的镜面反射,各种频率的光线都可以被追踪来得到一个environment map。人脸与镜面球的相同点在于:有较好的的镜面反射(皮肤油性),而且脸部有很多方向的法线,现在也存在很多办法可以恢复脸部几何。不同点在于:人脸会有漫反射。(mirrored sphere——perfectly sharp specular reflections,face——fairly sharp specular reflections(highlights)mixed with diffuse reflection)。
    文章具体方法
  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值