SIGGRAPH 2018.Deep Image-Based Relighting from Optimal Sparse Samples.
从最佳稀疏样本进行基于图像的深度重光照网络 我们提出了一种基于图像的重光照方法，该方法可以仅从预定义的定向光下捕获的五幅图像中，从可见半球的新的，远距离照明下合成场景的外观。我们的方法使用深度卷积神经网络从这五张图像中回归出新图像。此照明网络是在一个大型合成数据集上训练的，该数据集由程序生成具有真实反射率的形状组成。我们表明，通过将自定义设计的采样网络与重光照网络相结合，我们可以共同学习最佳的输入
相关文章
- 1. Deep learning：八(Sparse Autoencoder)
- 2. NVIDIA AT SIGGRAPH 2018的体会
- 3. ReLU——Deep Sparse Rectifier Neural Networks
- 4. (转) Deep Reinforcement Learning: Pong from Pixels
- 5. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
- 6. 稀疏到稠密：从稀疏深度样本+单一图像的深度预测(Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and..)
- 7. LEARNING NOTES FROM DEEP LEARNING
- 8. sparse coding
- 9. 论文笔记_Estimating Depth from RGB and Sparse Sensing
- 10. Optimal Logging
- 更多相关文章...
- • Scala 偏应用函数 - Scala教程
- • Thymeleaf迭代列表 - Thymeleaf 教程
- • YAML 入门教程
- • 漫谈MySQL的锁机制
相关标签/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。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Deep learning：八(Sparse Autoencoder)
- 2. NVIDIA AT SIGGRAPH 2018的体会
- 3. ReLU——Deep Sparse Rectifier Neural Networks
- 4. (转) Deep Reinforcement Learning: Pong from Pixels
- 5. 3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
- 6. 稀疏到稠密：从稀疏深度样本+单一图像的深度预测(Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and..)
- 7. LEARNING NOTES FROM DEEP LEARNING
- 8. sparse coding
- 9. 论文笔记_Estimating Depth from RGB and Sparse Sensing
- 10. Optimal Logging