.png){kind=icon}
返回
Material transforms from disentangled NeRF representations
.png){kind=icon}
OA
AI
DOI：10.1111/cgf.70008.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在本论文中，我们首先提出了一种新颖的方法，用于在不同场景间传递材质变换。基于解耦的神经辐射场（NeRF）表示，我们的方法学习将双向反射分布函数（BRDF）从在不同条件下（如干湿状态）观测到的场景对中进行映射。所学习的变换随后可应用于具有相似材质的未见场景，因此能够有效渲染以任意强度级别学习到的变换。在合成场景和真实世界物体上的大量实验验证了该方法的有效性，表明其能够学习多种变换，如湿润、涂漆、涂层等。我们的结果不仅突显了方法的通用性，也展示了其在计算机图形学中实际应用的潜力。我们发布了该方法的具体实现，以及我们的合成/真实数据集，位于
Keyword:
center dot Computing methodologies -> Reflectance modeling
Image-based rendering
Scene understanding
期刊
IF:
2.9
论文数:
571
被引数:
1.1W
机构
引用论文
.png){kind=icon}
Inverse Rendering of Glossy Objects via the Neural Plenoptic Function and Radiance Fields基于神经光线路径函数和辐射场的有光泽物体逆向渲染
PREAI
分享收藏PhySG: Inverse Rendering with Spherical Gaussians for Physics-based Material Editing and RelightingOAAI
OAAI分享收藏TensoSDF: Roughness-aware Tensorial Representation for Robust Geometry and Material ReconstructionOAAI
OAAI分享收藏
查看更多内容