Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
DANTE-W는 야생 환경의 비정형 이미지로부터 고충실도 확산 알베도 텍스처를 복구하는 신경 텍스처링 프레임워크입니다. 기존 3D 재구성 파이프라인과 통합되어 구워진 셰이딩 문제를 해결하고 물리 기반 신경 렌더링을 통해 미세한 질감을 향상시킵니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기전통적인 메쉬 텍스처링 (mesh texturing) 기술은 캡처된 다중 뷰 (multi-view) 이미지를 직접 혼합하는데, 이는 재조명 (relighting) 과정에서 시각적 충실도를 저해하는 구워진 셰이딩 (baked-in shading) 및 드리워진 그림자 문제를 필연적으로 야기합니다. 이 문제를 우회하기 위해, 우리는 대규모 야생 (in-the-wild) 장면을 위한 비정형 이미지 컬렉션으로부터 고충실도 확산 알베도 (diffuse albedo) 텍스처 복구를 가능하게 하는 신경 텍스처링 (neural texturing) 프레임워크인 DANTE-W를 제안합니다. 이는 기존의 3D 재구성 (3D reconstruction) 파이프라인과 원활하게 통합됩니다. 재구성된 메쉬 (mesh)와 그 표면 매개변수화 (surface parameterization)가 주어지면, 우리의 방법은 표현력이 풍부한 신경 표현 (neural representation)을 통해 뷰 공간 (view-space) 생성형 알베도 사전 정보 (generative albedo priors)를 일관된 텍스처 공간으로 융합하는 동시에, 물리적 원리에 기반한 신경 렌더링 (neural rendering)을 통해 미세한 질감 디테일을 실질적으로 향상시킵니다. 우리의 방법을 종합적으로 평가하기 위해, 우리는 실제 야생 장면과 합성 객체를 모두 포함하여 다양하고 미세한 질감을 특징으로 하는 벤치마크 데이터셋을 구축했습니다. 광범위한 실험을 통해 정확한 알베도 텍스처를 재구성하고 재조명 충실도를 높이는 데 있어 우리 접근 방식의 효과를 검증했습니다. 프로젝트 페이지: dante-wild.github.io.