基于自适应混合球面高斯（UPS-HSG）的无标定光度立体法在复杂材质表面三维测量中的突破与应用

本文提出一种基于自适应混合球面高斯（UPS-HSG）的无标定光度立体方法，通过神经逆渲染技术实现未知光照条件下各向同性/各向异性混合材质表面的高精度法向估计。该方法采用"SoftSign"激活函数的材质估计网络和可微分混合反射建模，在DiLiGenT2等真实数据集上取得了超越现有监督/无监督方法的性能表现（SOTA），为工业检测和生物医学成像提供了创新解决方案。

　　

亮点

• 我们提出自适应混合球面高斯模型，通过动态调整非朗伯表面中各向同性与各向异性反射的比例，优化逆渲染中的表面法向估计

• 我们研究不同非线性激活函数对使用自适应混合球面高斯建模非朗伯反射的影响，并设计具有"SoftSign"激活函数的材质估计网络。该网络提升了通用材质表面法向估计的精度

• 我们提出神经逆渲染框架（UPS-HSG），以无监督方式同步优化表面法向、深度图、混合反射、投射阴影和光照参数

实验设置

1. 1.

   测试数据集：使用三个真实世界数据集评估方法：DiLiGenT、DiLiGenT10²和DiLiGenT-Π。所有数据集均提供真实光照和表面法向用于定量评估。DiLiGenT包含10个不同真实物体，每个物体在96种不同光照方向下采集图像。DiLiGenT10²包含100个具有人工设计材质和形状的物体，每个物体在100种不同光照下采集图像

结论

本文提出自适应混合球面高斯（UPS-HSG）方法解决无标定光度立体（UPS）问题。由于真实物体同时呈现各向同性和各向异性反射，我们使用混合球面高斯建模通用材质的双向反射分布函数（BRDF）特性。在混合高斯框架内，采用可学习参数根据材质反射特性动态调整各向同性与各向异性反射的比例。此外，我们...