SIGGRAPH 2018.Deep Image-Based Relighting from Optimal Sparse Samples.
從最佳稀疏樣本進行基於圖像的深度重光照網絡 我們提出了一種基於圖像的重光照方法，該方法可以僅從預定義的定向光下捕獲的五幅圖像中，從可見半球的新的，遠距離照明下合成場景的外觀。我們的方法使用深度卷積神經網絡從這五張圖像中迴歸出新圖像。此照明網絡是在一個大型合成數據集上訓練的，該數據集由程序生成具有真實反射率的形狀組成。我們表明，通過將自定義設計的採樣網絡與重光照網絡相結合，我們可以共同學習最佳的輸入
相關文章
- 1. Deep learning：八(Sparse Autoencoder)
- 2. NVIDIA AT SIGGRAPH 2018的體會
- 3. ReLU——Deep Sparse Rectifier Neural Networks
- 4. (轉) Deep Reinforcement Learning: Pong from Pixels
- 5. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
- 6. 稀疏到稠密：從稀疏深度樣本+單一圖像的深度預測(Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and..)
- 7. LEARNING NOTES FROM DEEP LEARNING
- 8. sparse coding
- 9. 論文筆記_Estimating Depth from RGB and Sparse Sensing
- 10. Optimal Logging
- 更多相關文章...
- • Scala 偏應用函數 - Scala教程
- • Thymeleaf迭代列表 - Thymeleaf 教程
- • YAML 入門教程
- • 漫談MySQL的鎖機制
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Deep learning：八(Sparse Autoencoder)
- 2. NVIDIA AT SIGGRAPH 2018的體會
- 3. ReLU——Deep Sparse Rectifier Neural Networks
- 4. (轉) Deep Reinforcement Learning: Pong from Pixels
- 5. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
- 6. 稀疏到稠密：從稀疏深度樣本+單一圖像的深度預測(Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and..)
- 7. LEARNING NOTES FROM DEEP LEARNING
- 8. sparse coding
- 9. 論文筆記_Estimating Depth from RGB and Sparse Sensing
- 10. Optimal Logging