Deep Photometric Stereo Network

摘要 本文提出了一种基于深度学习的光度立体方法。光度立体的主要困难之一是设计合适的反射模型，该模型既可以表示真实的反射率，又可以在导出表面法线方面在计算上易于处理。与以前的依赖于简化的参数化图像形成模型（例如Lambert模型）的光度学立体方法不同，本文提出的方法旨在通过使用深度神经网络在复杂的反射率观测值与表面法线之间建立灵活的映射。结果，我们提出了一种深光度立体网络（DPSN），该网络在变化的

>>阅读原文<<