Self-calibrating Deep Photometric Stereo Networks
在这篇论文中，假设相机是具有线性辐射响应的正交相机，照明是只来自上半球方向的白色照明，观察方向定义为指向观察者。比较常见的照明形式是之前提到的基于二次球面谐波的自然光照明、点光源照明和平行光照明。文章中的照明假设的是最简单的平行光，因此光源只具有两个性质，那就是两自由度的方向和一自由度的亮度。对于非朗伯体表面，它的反射属性通常使用各向同性的BRDFs 函数ρ来描述，对于给定法向方向 n ∈ R 3
相关文章
- 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阅读
- 4. 论文阅读笔记《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》学习笔记
- 9. Improving Deep Neural Networks [1]
- 10. Improving Deep Neural Networks[3]
- 更多相关文章...
- • XML DOM - Document 对象 - XML DOM 教程
- • SVN 安装 - SVN 教程
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 Photometric Stereo Network
- 2. Photometric Stereo Using Sparse Bayesian Regression for General Diffuse Surfaces
- 3. Neural Inverse Rendering for General Reflectance Photometric Stereo阅读
- 4. 论文阅读笔记《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》学习笔记
- 9. Improving Deep Neural Networks [1]
- 10. Improving Deep Neural Networks[3]