SIR: Multi-View-Inverse-Rendering mit zerlegbarem Schatten für Innenräume

Wir schlagen SIR vor, eine effiziente Methode zur Zerlegung differenzierbarer Schatten für inverse Wiedergabe in Innenräumen unter Verwendung von Multiview-Daten, die sich mit den Herausforderungen der genauen Zerlegung von Materialien und Beleuchtungsbedingungen befasst. Im Gegensatz zu früheren Methoden, die mit der Schattengetreue in komplexen Lichtumgebungen kämpfen, lernt unser Ansatz explizit Schatten für ein verbessertes Realismus in der Materialschätzung unter unbekannten Lichtpositionen. Durch die Verwendung von HDR-Bildern als Eingabe nutzt SIR ein SDF-basiertes neurales Strahlungsfeld für eine umfassende Szenenrepräsentation. Anschließend integriert SIR einen Schattenterm mit einem dreistufigen Materialschätzungsansatz, um die Qualität von SVBRDF zu verbessern. Insbesondere ist SIR darauf ausgelegt, einen differenzierbaren Schatten zu lernen, ergänzt durch BRDF-Regulierung, um die Genauigkeit der inversen Wiedergabe zu optimieren. Umfangreiche Experimente mit sowohl synthetischen als auch realen Innenraumszenen zeigen die überlegene Leistung von SIR im Vergleich zu bestehenden Methoden in sowohl quantitativen Metriken als auch qualitativen Analysen. Die signifikante Zerlegungsfähigkeit von SIR ermöglicht anspruchsvolle Bearbeitungsfunktionen wie Freisicht-Beleuchtung, Objekteinfassung und Materialersatz.