CN105447906B - 基于图像和模型计算光照参数进行重光照渲染的方法 - Google Patents

基于图像和模型计算光照参数进行重光照渲染的方法 Download PDF

Info

Publication number
CN105447906B
CN105447906B CN201510771082.4A CN201510771082A CN105447906B CN 105447906 B CN105447906 B CN 105447906B CN 201510771082 A CN201510771082 A CN 201510771082A CN 105447906 B CN105447906 B CN 105447906B
Authority
CN
China
Prior art keywords
image
illumination
model
msub
scene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510771082.4A
Other languages
English (en)
Other versions
CN105447906A (zh
Inventor
耿卫东
黄倩妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201510771082.4A priority Critical patent/CN105447906B/zh
Publication of CN105447906A publication Critical patent/CN105447906A/zh
Application granted granted Critical
Publication of CN105447906B publication Critical patent/CN105447906B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/50—Lighting effects
    • G06T15/506—Illumination models

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)

Abstract

本发明公开了一种基于图像和模型计算光照参数进行重光照渲染的方法。该方法的步骤如下：1)利用场景的三维点云模型计算每个三维点的法向量；2)根据三维点的坐标和法向量以及图像中的像素值计算该图像的光源位置和方向向量；3)假设图像的光照模型为Phong模型，利用上述步骤得到的光源信息计算模型中能量函数的参数；4)计算图像的阴影和高光区域；5)给定要渲染的目标RGB图像，把原图像的场景和光照信息融合渲染到目标图像中，输出最终的渲染结果。本发明方法使得在影视制作后期特效制作的重光照过程中，简化了重光照的过程，快速输出重光照渲染结果，能够让用户初步判断输入图像是否适合用于后期虚实结合。解决了现有影视制作过程无法发现镜头与后期制作不一致的地方导致的重返工现象。

Description

基于图像和模型计算光照参数进行重光照渲染的方法
技术领域
本发明涉及一种重光照渲染方法，尤其是涉及一种基于单幅RGB图像和图像场景三维点云模型的计算图像光照参数并进行重光照渲染的方法。
背景技术
基于图像的重光照技术(IBRL)在图形学和图像处理领域内已有大量的研究成果，但由于受复杂的光照变化影响，如阴影的形成、多光源相互干涉等，已有的研究大部分仅限于在已知3D模型或对3D模型建模后再根据环境光进行重光照。目前已有的基于图像的重光照的方法从实现原理上一般分为三大类，基于双向反射函数的、基于基函数的和基于全光函数的方法。
游戏和电影中的合成技术对重光照都有特殊要求。早期的电影拍摄通常都会在拍摄现场放置环境球用于记录周围环境的光照条件，这是基于反射函数进行重光照的方法之一。尽管基于反射函数的重光照有不少限制，如反射模型的建立直接影响重光照的效果、不能模仿所有的光照条件等，但由于基于反射函数的重光照技术所需要的处理时间相对较少而被多数追求高效重光照技术的研究者采用。双向反射分布函数(BRDF)包含了场景中光照的反射信息，据此，Oskar等人[Oskar 2007]首先提出在预计计算光辐射传输技术中使用光源割技术，根据可见性预计算光源割和双向反射函数，把大量的计算放在预计算步骤，从而以交互的速度对静态场景进行重光照渲染。前期的重光照技术都是在未知目标光源的情况下实现的，对于目标光源可以控制的情况，则有另一类处理方案。重光照的研究者们提出的各种图像采集装置就是用于控制光源位置、朝向等使光源各项参数已知，从而简化重光照算法。如Xuehong等人[Xuehong 2014]把目标定在室外的场景，在不同光照条件下用同一摄像机获取同一场景下的系列图像，建立BRDF模型提取光照信息进行重光照。Tze等人[Tze2009]对用同样方法获取的图像序列则计算其RBF进行重光照，参考了Mahajan等人[Mahajan 2008]提出的分析Phong光照模型下BRDF和球面调和函数进行重光照的研究成果。
基于基函数的重光照技术主要针对静止的场景。由于基图像包含了多种光照条件下物体或场景的显示效果，故对一系列获取的基图像进行线性组合可以得出在目标光照条件下物体或场景的渲染结果。由于需要大量的基图像，基于基函数的重光照技术更多地应用于提高人脸识别正确率、对三维重建进行后处理或是视频处理等已有大量图像并对光照有较高要求的重光照方面。最新的研究是Amr等人[Amr 2014]以人脸图像训练集为基图像，在提取目标人脸图像中的球面调和基函数和光照参数后和训练数据集相比较，选择接近目标图像的组合图像和权重，避免了重建人脸3D模型和严格光照条件的要求，减小了人脸识别中由光照差强人意带来的识别误差。
全光函数记录了在任意方向、波长和时间下任意位置的光线，包含了刷个维度的数据。全光函数可以用于模拟多光源或任意光源条件下的复杂场景效果。但也由于全光函数计算的复杂性，利用全光函数进行重光照的研究相对较少。Guangwei和Yebin[Guangwei2009]针对多视点多光照的图像集，混合了多视图视觉技术(MVS)和基于图像的重光照(IBL)技术，使用全光图重构3D模型并用前一步摄像机得到的光照图对物体贴纹理，将新的光照环境图(文章中使用了debevec的光探测图库)分解到31个基光照下，最后通过合成得到新光照下的反射光强度，完成重光照。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于图像和模型计算光照参数进行重光照渲染的方法。
本发明的目的是通过以下技术方案来实现的：一种基于图像和模型计算光照参数进行重光照渲染的方法，该方法包括如下步骤：
(1)读入待处理的RGB图像和对应的图像场景三维点云模型，根据场景点云和法向量在光源方向下和图像RGB值之间的关系，建立线性方程组，利用最小二乘法估计光源的方向向量；
(2)假设场景中物体均为Lambert体，考虑光照模型，结合光源方向和法向量建立Phong光照模型的能量函数；
(3)利用优化方法最小化能量函数，通过最小化能量函数的偏导数求得图像场景中每个物体的环境光Ai和漫反射数值Di；
(4)由步骤3计算得到的环境光Ai和漫反射数值Di计算图像的阴影和高光区域，并保存成图像作为中间结果；
(5)计算目标RGB图像的光照方向，根据假设的光照模型把原图像的三维模型加入到目标图像中进行融合渲染，输出最终渲染的图像。
进一步地，所述步骤1中，当法向量未知时，法向量的求解如下：由于整个模型的三维点云数量众多，为防止计算时内存溢出，将把点云分成多个部分，每部分取邻近的k个点(这里k取3000)并记每部分点的协方差矩阵其中是每部分k个点中的一个，为要求法向量的点，对协方差矩阵进行PCA分解求得点的法向量
进一步地，所述步骤1中，光源方向的求解如下：输入的模型由普通的纯视觉三维重建方法得到，该模型记录了图像场景的三维点云及每个三维点对应于图像上的某个像素点的坐标，即模型中每个三维点都能在图像中找到一个像素点与之相对应。由于图像场景中可能不止一个物体，每个物体的光照系数都不一样，在求光源方向前，先对图像进行分割，分离出每个不同的物体区域记为i。假设场景中只有一个光源，这里选择简单的光照模型其中I为图像像素的RGB值，ρ为和物体有关的常数值光照系数，为光源方向，P是三维点的空间坐标，是点P法向量，T表示向量的转置操作。对图像中每个区域内的每个像素，按上述光照模型建立线性方程组，求解该方程组则可以得到光源方向
进一步地，所述步骤2中选择的光照模型为：
其中I为图像像素的RGB值。Ia为环境光颜色，Ip为环境光的亮度。ka,kd和ks分别为环境光、漫反射和镜面反射系数。Sp∈[0,1]为阴影，Hp为高光系数。为光源方向，为法向量。定义能量函数为：
为图像像素，表示像素上的RGB值，为像素对应的模型三维点的法向量。记ρ为和物体有关的常数值光照系数，则对应于图像中每个区域i的环境光值Ai＝Iaρ，漫反射值Di＝Ipρ。
进一步地，所述步骤4中场景的阴影和高光系数按照如下散射模型计算：
阴影
高光
其中参数ts和tn是调节图像光滑度的正阈值，手工设定。Ai和Di为图像中区域i的环境光和漫反射数值，表示图像中像素的RGB值。
进一步地，所述步骤5中。最终的渲染仍旧利用最初用于求解光源方向的光照模型。当有了场景的光源方向及阴影、高光等光源信息后，按照光照模型，便可以把该场景中的物体加入到另一目标场景中，只需要再求出目标场景中的光源信息，代入到光照模型中即可得最终的渲染结果。
本发明的有益效果是：本发明是从单幅的RGB图像中提取模型和光照信息，并融合到目标RGB图像上进行渲染，简单快速地实现重光照的基本融合过程，方便影视拍摄过程中及时发现镜头中的不足，当场修改或重拍。传统的重光照技术都是在后期处理中对已有的图像或视频进行渲染，不能实时地发现图像和视频中存在的不适合特效制作的问题，导致后期重拍镜头，延长了整个影视制作过程，同时增加了成本。本发明借图像场景的三维模型计算图像中的光照参数，在确保整个重光照渲染过程快速的同时，尽量准确地显示简单重光照融合后的效果，为现场拍摄提供参考，提高了整个拍摄过程的效率。
附图说明
图1是本发明方法的总体流程图；
图2是输入的原始RGB图像；
图3是输入的图像对应的场景三维点云模型；
图4是求解所得的图像阴影区域；
图5是求解所得的图像高光区域。
具体实施方式
本发明方法的核心是根据输入的RGB图像提取其中的场景三维点云模型，利用这些信息建立能量函数并最小化之，从而求得光照参数，最后把原图像场景模型渲染到目标图像中。
以下利用一个实施例来描述具体流程的实施方式，步骤如下(见图1)：
(1)读入单幅的原始RGB图像(见图2)和图像对应的三维场景点云模型(见图3)，根据场景点云和法向量在光源方向下和图像RGB值之间的关系，建立线性方程组，利用最小二乘法估计光源的方向向量；
(2)假设场景中物体均为Lambert体，考虑光照模型，结合光源方向和法向量建立Phong光照模型的能量函数；
(3)利用优化方法最小化能量函数，通过最小化能量函数的偏导数求得图像场景中每个物体的环境光Ai和漫反射数值Di；
(4)由步骤3计算得到的环境光Ai和漫反射数值Di计算图像的阴影区域(见图4)和高光区域(见图5)，并保存成图像作为中间结果；
(5)计算目标RGB图像的光照方向，根据假设的光照模型把原图像的三维模型加入到目标图像中进行融合渲染，输出最终渲染的图像。

Claims (6)

1.一种基于图像和模型计算光照参数进行重光照渲染的方法，其特征在于，该方法包括如下步骤：
(1)读入单幅的原始RGB图像和对应的图像场景三维点云模型，根据场景点云和法向量在光源方向下和图像RGB值之间的关系，建立线性方程组，利用最小二乘法估计光源的方向向量；
(2)假设场景中物体均为Lambert体，考虑光照模型，结合光源方向和法向量建立Phong光照模型的能量函数；
(3)利用优化方法最小化能量函数，通过最小化能量函数的偏导数求得图像场景中每个物体的环境光Ai和漫反射数值Di；
(4)由步骤(3)计算得到的环境光Ai和漫反射数值Di计算图像的阴影系数和高光系数，并保存成图像作为中间结果；
(5)计算目标RGB图像的光照方向，根据假设的光照模型把原始RGB图像的三维模型加入到目标RGB图像中进行融合渲染，输出最终渲染的图像。
2.根据权利要求1所述的一种基于图像和模型计算光照参数进行重光照渲染的方法，其特征在于，所述步骤(1)中，当法向量未知时，法向量的求解如下：由于整个模型的三维点云数量众多，为防止计算时内存溢出，将把点云分成多个部分，每部分取邻近的k个点，这里k取3000，并记每部分点的协方差矩阵其中是每部分k个点中的一个，为要求法向量的点，对协方差矩阵进行PCA分解求得点的法向量
3.根据权利要求1所述的一种基于图像和模型计算光照参数进行重光照渲染的方法，其特征在于，所述步骤(1)中，光源方向的求解如下：输入的模型由普通的纯视觉三维重建方法得到，该模型记录了图像场景的三维点云及每个三维点对应于图像上的某个像素点的坐标，即模型中每个三维点都能在图像中找到一个像素点与之相对应；由于图像场景中可能不止一个物体，每个物体的光照系数都不一样，在求光源方向前，先对图像进行分割，分离出每个不同的物体区域记为i；假设场景中只有一个光源，这里选择简单的光照模型其中I为图像像素的RGB值，ρ为和物体有关的常数值光照系数，为光源方向，P是三维点的空间坐标，是点P法向量，T表示向量的转置操作；对图像中每个区域内的每个像素，按上述光照模型建立线性方程组，求解该方程组则可以得到光源方向
4.根据权利要求1所述的一种基于图像和模型计算光照参数进行重光照渲染的方法，其特征在于，所述步骤(2)中选择的光照模型为：
<mrow> <mi>I</mi> <mo>=</mo> <msub> <mi>I</mi> <mi>a</mi> </msub> <msub> <mi>k</mi> <mi>a</mi> </msub> <mo>+</mo> <msub> <mi>I</mi> <mi>p</mi> </msub> <msub> <mi>S</mi> <mi>p</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>k</mi> <mi>d</mi> </msub> <mo>&lt;</mo> <mover> <mi>l</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>,</mo> <mover> <mi>n</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>&gt;</mo> <mo>+</mo> <msub> <mi>k</mi> <mi>s</mi> </msub> <msub> <mi>H</mi> <mi>p</mi> </msub> <mo>)</mo> </mrow> </mrow>
其中I为图像像素的RGB值；Ia为环境光颜色，Ip为环境光的亮度；ka,kd和ks分别为环境光、漫反射和镜面反射系数；Sp∈[0,1]为阴影系数，Hp为高光系数；为光源方向，为法向量；定义能量函数为：
<mrow> <mi>E</mi> <mrow> <mo>(</mo> <mover> <mi>l</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>)</mo> </mrow> <mo>=</mo> <munder> <mo>&amp;Sigma;</mo> <mover> <mi>r</mi> <mo>&amp;RightArrow;</mo> </mover> </munder> <msup> <mrow> <mo>(</mo> <mi>I</mi> <mo>(</mo> <mover> <mi>r</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>)</mo> <mo>-</mo> <msub> <mi>A</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>D</mi> <mi>i</mi> </msub> <mo>&lt;</mo> <mover> <mi>l</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>,</mo> <mover> <mi>n</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>(</mo> <mover> <mi>r</mi> <mo>&amp;RightArrow;</mo> </mover> <mo>)</mo> <mo>&gt;</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow>
为图像像素，表示像素上的RGB值，为像素对应的模型三维点的法向量；记ρ为和物体有关的常数值光照系数，则对应于图像中每个区域i的环境光值Ai＝Iaρ，漫反射数值Di＝Ipρ。
5.根据权利要求4所述的一种基于图像和模型计算光照参数进行重光照渲染的方法，其特征在于，所述步骤(4)中场景的阴影系数和高光系数按照如下散射模型计算：
其中参数ts和tn是调节图像光滑度的正阈值，手工设定；Ai和Di为图像中区域i的环境光和漫反射数值，表示图像中像素的RGB值。
6.根据权利要求1所述的一种基于图像和模型计算光照参数进行重光照渲染的方法，其特征在于，所述步骤(5)中；最终的渲染仍旧利用最初用于求解光源方向的光照模型；当有了场景的光源方向及阴影、高光信息后，按照光照模型，便可以把该场景中的物体加入到另一目标场景中，只需要再求出目标场景中的光源信息，代入到光照模型中即可得最终的渲染结果。
CN201510771082.4A 2015-11-12 2015-11-12 基于图像和模型计算光照参数进行重光照渲染的方法 Expired - Fee Related CN105447906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510771082.4A CN105447906B (zh) 2015-11-12 2015-11-12 基于图像和模型计算光照参数进行重光照渲染的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510771082.4A CN105447906B (zh) 2015-11-12 2015-11-12 基于图像和模型计算光照参数进行重光照渲染的方法

Publications (2)

Publication Number Publication Date
CN105447906A CN105447906A (zh) 2016-03-30
CN105447906B true CN105447906B (zh) 2018-03-13

Family

ID=55558037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510771082.4A Expired - Fee Related CN105447906B (zh) 2015-11-12 2015-11-12 基于图像和模型计算光照参数进行重光照渲染的方法

Country Status (1)

Country Link
CN (1) CN105447906B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108364292A (zh) * 2018-03-26 2018-08-03 吉林大学 一种基于多幅视角图像的光照估计方法

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023296B (zh) * 2016-05-27 2018-09-28 华东师范大学 流体场景光照参数计算方法
CN106204714B (zh) * 2016-08-01 2019-02-01 华东师范大学 基于Phong模型的视频流体光照计算方法
CN106570928B (zh) * 2016-11-14 2019-06-21 河海大学 一种基于图像的重光照方法
CN107424206B (zh) * 2017-04-14 2020-09-22 苏州蜗牛数字科技股份有限公司 一种利用现实环境影响虚拟场景光影表现的互动方法
CN107506714B (zh) * 2017-08-16 2021-04-02 成都品果科技有限公司 一种人脸图像重光照的方法
CN107909640B (zh) * 2017-11-06 2020-07-28 清华大学 基于深度学习的人脸重光照方法及装置
CN107944420B (zh) * 2017-12-07 2020-10-27 北京旷视科技有限公司 人脸图像的光照处理方法和装置
CN108460841A (zh) * 2018-01-23 2018-08-28 电子科技大学 一种基于单幅图像的室内场景光照环境估计方法
CN108509887A (zh) * 2018-03-26 2018-09-07 深圳超多维科技有限公司 一种获取环境光照信息方法、装置和电子设备
CN108682041B (zh) * 2018-04-11 2021-12-21 浙江传媒学院 一种基于矩阵行列采样和深度学习进行多光源渲染的方法
CN108765537A (zh) * 2018-06-04 2018-11-06 北京旷视科技有限公司 一种图像的处理方法、装置、电子设备和计算机可读介质
CN109618472A (zh) * 2018-07-16 2019-04-12 马惠岷 灯光控制方法和***
CN109224448B (zh) * 2018-09-25 2021-01-01 北京天马时空网络技术有限公司 一种流光渲染的方法和装置
CN109448098B (zh) * 2018-09-29 2023-01-24 北京航空航天大学 一种基于建筑物单张夜景图像重建虚拟场景光源的方法
CN109389113B (zh) * 2018-10-29 2020-12-15 大连恒锐科技股份有限公司 一种多功能足迹采集设备
CN109785423B (zh) * 2018-12-28 2023-10-03 广州方硅信息技术有限公司 图像补光方法、装置及计算机设备
CN110009723B (zh) * 2019-03-25 2023-01-31 创新先进技术有限公司 环境光源的重建方法及装置
CN111063034B (zh) * 2019-12-13 2023-08-04 四川中绳矩阵技术发展有限公司 一种时域交互方法
CN111147745B (zh) * 2019-12-30 2021-11-30 维沃移动通信有限公司 拍摄方法、装置、电子设备及存储介质
CN115428027A (zh) * 2020-05-13 2022-12-02 上海科技大学 神经不透明点云
CN111798384A (zh) * 2020-06-10 2020-10-20 武汉大学 一种逆向渲染的人脸图像光照信息编辑方法
CN111815750A (zh) * 2020-06-30 2020-10-23 深圳市商汤科技有限公司 对图像打光的方法及装置、电子设备和存储介质
CN111968216B (zh) * 2020-07-29 2024-03-22 完美世界(北京)软件科技发展有限公司 一种体积云阴影渲染方法、装置、电子设备及存储介质
CN112053338A (zh) * 2020-08-31 2020-12-08 浙江商汤科技开发有限公司 图像分解方法和相关装置、设备
CN112258622A (zh) * 2020-10-26 2021-01-22 北京字跳网络技术有限公司 图像处理方法、装置、可读介质及电子设备
EP4254319A4 (en) * 2020-12-28 2024-01-03 Huawei Technologies Co., Ltd. IMAGE PROCESSING METHOD AND DEVICE
CN112819940B (zh) * 2021-01-29 2024-02-23 网易（杭州）网络有限公司 渲染方法、装置和电子设备
CN112927342B (zh) * 2021-02-22 2022-12-20 中铁二院工程集团有限责任公司 一种光照计算方法及固定管线渲染、可编程管线渲染方法
CN112819941B (zh) * 2021-03-05 2023-09-12 网易（杭州）网络有限公司 渲染水体面的方法、装置、设备和计算机可读存储介质
CN113920036A (zh) * 2021-12-14 2022-01-11 武汉大学 一种基于rgb-d图像的交互式重光照编辑方法
CN114627246A (zh) * 2022-03-25 2022-06-14 广州光锥元信息科技有限公司 一种对含人像的图像视频进行模拟3d打光的方法
CN116385614B (zh) * 2023-03-29 2024-03-01 深圳海拓时代科技有限公司 基于可视化的3d视觉模块渲染控制***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246600A (zh) * 2008-03-03 2008-08-20 北京航空航天大学 用球面全景摄像机实时生成增强现实环境光照模型的方法
CN103035025A (zh) * 2012-12-28 2013-04-10 浙江大学 基于brdf实测数据的材质高真实感渲染算法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7262771B2 (en) * 2003-10-10 2007-08-28 Microsoft Corporation Systems and methods for all-frequency relighting using spherical harmonics and point light distributions
WO2009143163A2 (en) * 2008-05-21 2009-11-26 University Of Florida Research Foundation, Inc. Face relighting from a single image

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101246600A (zh) * 2008-03-03 2008-08-20 北京航空航天大学 用球面全景摄像机实时生成增强现实环境光照模型的方法
CN103035025A (zh) * 2012-12-28 2013-04-10 浙江大学 基于brdf实测数据的材质高真实感渲染算法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Removing shadows from images;GD Finlayson et al;《European Conference on Computer Vision》;20021231;第2353卷(第1期);第823-836页 *
光学遥感图像重光照方法研究;王晨昊 等;《测绘通报》;20141231;第170-173页 *
基于图像的重光照技术;丁晓东;《中国优秀硕士学位论文全文数据库 信息科技辑》;20091215(第12期);第I138-581页 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108364292A (zh) * 2018-03-26 2018-08-03 吉林大学 一种基于多幅视角图像的光照估计方法
CN108364292B (zh) * 2018-03-26 2021-05-25 吉林大学 一种基于多幅视角图像的光照估计方法

Also Published As

Publication number Publication date
CN105447906A (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN105447906B (zh) 基于图像和模型计算光照参数进行重光照渲染的方法
CN105844695B (zh) 一种基于真实材质测量数据的光照建模方法
CN109255831A (zh) 基于多任务学习的单视图人脸三维重建及纹理生成的方法
Behrendt et al. Realistic real-time rendering of landscapes using billboard clouds
Lu et al. Illustrative interactive stipple rendering
US12002150B2 (en) Systems and methods for physically-based neural face shader via volumetric lightmaps
CN107452048A (zh) 全局光照的计算方法及装置
CN103262126B (zh) 图像处理装置、照明处理装置及其方法
CN108460841A (zh) 一种基于单幅图像的室内场景光照环境估计方法
US6704025B1 (en) System and method for dual-depth shadow-mapping
Paulin et al. Review and analysis of synthetic dataset generation methods and techniques for application in computer vision
CN110060335A (zh) 一种场景中存在镜面物体和透明物体的虚实融合方法
McGuire et al. Phenomenological transparency
Chen et al. Single image based illumination estimation for lighting virtual object in real scene
CN105976423B (zh) 一种镜头光晕的生成方法和装置
Mirbauer et al. SkyGAN: Towards Realistic Cloud Imagery for Image Based Lighting.
CN113610955A (zh) 一种对象渲染方法、装置及着色器
CN103247070A (zh) 一种基于预计算转移张量的交互重光照真实感渲染方法
Thompson et al. Real-time mixed reality rendering for underwater 360 videos
McGuire et al. A phenomenological scattering model for order-independent transparency
Wang et al. Capturing and rendering geometry details for BTF-mapped surfaces
González et al. based ambient occlusion
CN108447085A (zh) 一种基于消费级rgb-d相机的人脸视觉外观恢复方法
Shi et al. Material Design in Augmented Reality with In-Situ Visual Feedback.
Zheng et al. An extended photometric stereo algorithm for recovering specular object shape and its reflectance properties

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180313

Termination date: 20181112