Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
RGB 확산 알베도로부터 피부의 전체 스펙트럼 산란 파라미터를 예측하는 새로운 프레임워크를 제안합니다. 매질 혼합(Mixture-of-Media) 표현 방식과 신경 디코더를 사용하여 복잡한 피부의 생체물리학적 특성을 효율적으로 근사합니다.
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 바로가기본 논문에서는 하부 표면 산란(Subsurface Scattering)의 경로 추적(Path Tracing) 기반 렌더링을 위해 피부에 대한 스펙트럼 광학 역전(Spectral Optical Inversion) 기술을 제시합니다. 피부는 생체물리학적 발색단(Biophysical Chromophores)의 혼합에 의해 외관이 결정되는 복잡한 다층 매질(Multilayered Medium)입니다. 그러나 현재의 방법들은 매질의 균질화(Homogenization)에 의존하며, 반사율 텍스처(Reflectance Texture)로부터 알베도 역전(Albedo Inversion)을 통해 얻은 광학 파라미터와 수동으로 조정된 산란 거리(Scattering Distance) 및 비등방성(Anisotropy)을 사용합니다. 이는 저작(Authoring) 과정에서 상당한 숙련된 수작업을 필요로 하며, 피부에 대해 부정확한 산란 프로파일(Scattering Profile)을 생성하는 결과를 초래합니다. 이러한 문제를 해결하기 위해, 우리는 기존의 알베도 역전 기술을 일반화하고, 단일 RGB 확산 알베도(Diffuse Albedo)로부터 전체 스펙트럼 피부 산란 파라미터를 예측하는 프레임워크를 제안합니다. 우리의 방법은 세 가지 상관관계가 없는 매질(Uncorrelated Media)의 집계된 산란을 혼합함으로써 피부의 집계된 다층 외관을 근사하는 새로운 매질 혼합(Mixture-of-Media) 표현 방식을 기반으로 합니다. 우리는 RGB 확산 알베도를 비등방성(Anisotropy), 산란 반경(Scattering Radius), 산란 알베도(Scattering Albedo)를 포함한 매질 혼합의 광학적 특성으로 매핑하는 체인형 신경 디코더(Chained Neural Decoder)를 학습시킵니다. 그런 다음, 단순히 통과할 매질을 무작위로 선택함으로써, 이 혼합물이 최소한의 수정만으로 무작위 보행(Random-walk) 기반 경로 추적기(Path Tracer)에서 사용될 수 있음을 보여줍니다.