典型文献
面向本征图像分解的高质量渲染数据集与非局部卷积网络
文献摘要：
目的 本征图像分解是计算视觉和图形学领域的一个基本问题,旨在将图像中场景的纹理和光照成分分离开来.基于深度学习的本征图像分解方法受限于现有的数据集,存在分解结果过度平滑、在真实数据泛化能力较差等问题.方法 首先设计基于图卷积的模块,显式地考虑图像中的非局部信息.同时,为了使训练的网络可以处理更复杂的光照情况,渲染了高质量的合成数据集.此外,引入了一个基于神经网络的反照率图像优化模块,提升获得的反照率图像的局部平滑性.结果 将不同方法在所提的数据集上训练,相比之前合成数据集CGIntrinsics进行训练的结果,在IIW(intrinsic images in the wild)测试数据集的平均WHDR(weighted human disagreement rate)降低了7.29％,在SAW(shading annotations in the wild)测试集的AP(average precision)指标上提升了2.74％.同时,所提出的基于图卷积的神经网络,在IIW、SAW数据集上均取得了较好的结果,在视觉结果上显著优于此前的方法.此外,利用本文算法得到的本征结果,在重光照、纹理编辑和光照编辑等图像编辑任务上,取得了更优的结果.结论 所提出的数据集质量更高,有利于基于神经网络的本征分解模型的训练.同时,提出的本征分解模型由于显式地结合了非局部先验,得到了更优的本征分解结果,并通过一系列应用任务进一步验证了结果.
文献关键词：
图像处理;图像理解;本征图像分解;图卷积网络(GCN);合成数据集
中图分类号：
作者姓名：
王玉洁;樊庆楠;李坤;陈冬冬;杨敬钰;卢健智;Dani Lischinski;陈宝权
作者机构：
山东大学,青岛 266237;腾讯AI Lab,深圳 518057;天津大学,天津 300072;微软云人工智能,华盛顿 98052,美国;广东三维家信息科技有限公司,广州 510000;耶路撒冷希伯来大学,耶路撒冷 91904,以色列;北京大学, 北京 100091
文献出处：
引用格式：
[1]王玉洁;樊庆楠;李坤;陈冬冬;杨敬钰;卢健智;Dani Lischinski;陈宝权-.面向本征图像分解的高质量渲染数据集与非局部卷积网络)[J].中国图象图形学报,2022(02):404-420
A类：
本征图像分解,局部卷积网络,CGIntrinsics,WHDR,重光照,非局部先验
B类：
渲染,图形学,基本问题,中场,成分分离,开来,分解方法,受限于,解结,真实数据,泛化能力,显式,非局部信息,合成数据集,反照率,图像优化,平滑性,不同方法,IIW,intrinsic,images,wild,测试数据,weighted,human,disagreement,rate,SAW,shading,annotations,测试集,AP,average,precision,此前,图像编辑,分解模型,图像理解,图卷积网络,GCN
AB值：
0.311114
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
