깊은 실외 조명 추정

우리는 단일 저동적 범위 이미지에서 고동적 범위 실외 조명을 추정하기 위한 CNN(합성곱 신경망) 기반 기술을 제시합니다. CNN을 훈련시키기 위해 우리는 대규모의 실외 파노라마 데이터셋을 활용합니다. 이 파노라마의 하늘 부분에 저차원의 물리학적 실외 조명 모델을 맞춤화하여 (태양 위치, 대기 상태, 카메라 매개변수 등을 포함한) 간결한 매개변수 집합을 얻습니다. 우리는 파노라마에서 제한된 시야각 이미지를 추출하고, 이 대규모의 입력 이미지-출력 조명 매개변수 쌍으로 CNN을 훈련시킵니다. 테스트 이미지가 주어지면, 이 네트워크는 조명 매개변수를 추론하는데 사용될 수 있으며, 이를 통해 실외 조명 환경 맵을 재구성할 수 있습니다. 우리는 우리의 접근법이 타당한 조명 상태를 복원하고 단일 이미지로부터 광학적으로 사실적인 가상 객체 삽입을 가능하게 함을 보여줍니다. 파노라마 데이터셋과 캡처된 HDR 환경 맵에 대한 광범위한 평가를 통해 우리의 기술이 이 문제에 대한 이전 해결책들보다 상당히 우수함을 입증하였습니다.