Self-calibrating Deep Photometric Stereo Networks
在這篇論文中，假設相機是具有線性輻射響應的正交相機，照明是隻來自上半球方向的白色照明，觀察方向定義爲指向觀察者。比較常見的照明形式是之前提到的基於二次球面諧波的自然光照明、點光源照明和平行光照明。文章中的照明假設的是最簡單的平行光，因此光源只具有兩個性質，那就是兩自由度的方向和一自由度的亮度。對於非朗伯體表面，它的反射屬性通常使用各向同性的BRDFs 函數ρ來描述，對於給定法向方向 n ∈ R 3
相關文章
- 1. Deep Photometric Stereo Network
- 2. Photometric Stereo Using Sparse Bayesian Regression for General Diffuse Surfaces
- 3. Neural Inverse Rendering for General Reflectance Photometric Stereo閱讀
- 4. 論文閱讀筆記《Convolutional Neural Networks for Steel Surface Defect Detection from Photometric Stereo》
- 5. Neural Networks and Deep Learning -- Class 4: Deep Neural Networks
- 6. Improving Deep Neural Networks
- 7. Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture
- 8. 《Efficient Deep Learning for Stereo Matching》學習筆記
- 9. Improving Deep Neural Networks [1]
- 10. Improving Deep Neural Networks[3]
- 更多相關文章...
- • XML DOM - Document 對象 - XML DOM 教程
- • SVN 安裝 - SVN 教程
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 Photometric Stereo Network
- 2. Photometric Stereo Using Sparse Bayesian Regression for General Diffuse Surfaces
- 3. Neural Inverse Rendering for General Reflectance Photometric Stereo閱讀
- 4. 論文閱讀筆記《Convolutional Neural Networks for Steel Surface Defect Detection from Photometric Stereo》
- 5. Neural Networks and Deep Learning -- Class 4: Deep Neural Networks
- 6. Improving Deep Neural Networks
- 7. Deep Stereo Matching with Explicit Cost Aggregation Sub-Architecture
- 8. 《Efficient Deep Learning for Stereo Matching》學習筆記
- 9. Improving Deep Neural Networks [1]
- 10. Improving Deep Neural Networks[3]