深層屋外照明推定

単一の低ダイナミックレンジ画像から高ダイナミックレンジの屋外照明を推定するCNN（畳み込みニューラルネットワーク）ベースの手法を提案します。このCNNの学習には、大規模な屋外パノラマデータセットを利用しました。これらのパノラマの空に物理に基づく低次元の屋外照明モデルを適合させることで、コンパクトなパラメータセット（太陽位置、大気状態、カメラパラメータなど）を得ました。次に、パノラマから限られた視野角の画像を抽出し、この大量の入力画像と出力照明パラメータのペアを使用してCNNを学習させます。テスト画像が与えられた場合、このネットワークは照明パラメータを推論し、それらを使って屋外照明環境マップを再構築することができます。我々の手法が実現可能な照明条件の回復を可能にし、単一画像からの写実的な仮想オブジェクト挿入を可能にする点を示しています。パノラマデータセットと撮影されたHDR環境マップに対する広範な評価により、本手法が従来の解決策に対して大幅に優れていることが確認されました。