物理ベースのレンダリングとスペクトルパワー分布埋め込みによるマルチソース照明下の色恒常性の追求

色恒常性は、変化する照明条件下で物体の認識される色を一貫して保つことを目的としています。しかし、既存の方法は制約の多い事前仮定に依存したり、限られた一般化能力に苦しんだりすることが多く、複数の光源を持つ複雑なシーンでは重大な課題を引き起こします。本論文では、照明変化に非常に敏感なスペクトルイメージングを活用したマルチ照明色恒常性へのニューラルネットワーク強化の物理ベースアプローチを提案します。まず、混合照明下での物理的画像形成過程を分析し、従来の相関色温度再照明技術を拡張するマスター–下位照明モデルを導入します。我々のニューラルネットワークフレームワークは、狭帯域スペクトル反射率と照明のスペクトルパワー分布（SPD）との相関を明示的にモデル化し、シーンの光の全SPDを正確に回復できるようにします。このモデルを使用して、推定された照明スペクトルでRGB画像を融合し、照明の色度を正確に予測し、その後画像の色を標準の参照光に補正します。合成マルチ色温度データセットおよび実世界のスペクトルデータセットに対する広範な実験により、我々のニューラルネットワークベースの方法がスペクトル推定および色恒常性補正において最先端の精度を達成することが実証されました。