Core Concepts
提案手法は、ガラスによる反射と屈折の影響を考慮し、それらを独立に学習することで、ガラスケースに入った物体を含む複雑なシーンを正確にモデル化する。
Abstract
本論文は、ガラスケースに入った物体を含む複雑なシーンをモデル化する手法を提案している。従来のニューラル放射輝度場(NeRF)手法では、ガラスによる反射と屈折の影響を適切にモデル化することが困難であった。
提案手法では、反射と屈折の影響を独立に学習するために、2つのネットワークを使用する。一つは、ガラスによる屈折の影響をモデル化するためのガラスネットワーク、もう一つは、直接光と反射光を分離してモデル化するためのDecomposition NeRFネットワークである。
ガラスネットワークでは、ガラス表面での屈折点の位置と屈折の大きさを推定する。Decomposition NeRFネットワークでは、ビュー依存の反射成分とビュー非依存の直接光成分を分離して表現する。
提案手法は、シミュレーションデータセットと実世界データセットの両方で評価され、従来手法と比較して優れた性能を示している。特に、ガラスケースに入った物体を含む複雑なシーンにおいて、反射と屈折の影響を適切にモデル化できることが確認された。
Stats
ガラスの厚さは1 cmで、屈折率は1.45である。
シミュレーションデータセットには、ガラスケースの中にLegoやボールなどの物体が入っている場合と、アートギャラリーの中にLegoが置かれている場合が含まれる。
実世界データセットには、ガラスケースの中にフクロウやライオン、犬などの物体が入っている場合が含まれる。