#202
summarized by : Takeru Suda
Self-Calibrating Deep Photometric Stereo Networks

どんな論文か?

non-Lambertian平面に対するフォトメトリックステレオにおいて従来研究で必要とされていたレフレクタンスや光源分布に対する強い仮定を必要とせずに、物体の形状(法線方向)と光源方向の両方を推定することを可能にした。手法としては SDPS-Netという光源を推定するネットワークと法線ベクトルを推定するネットワークに分けて学習を行う手法を提案した。
placeholder

新規性

学習ベースのフォトメトリックステレオにおいて、光源の推定を含めたフレームワークは存在しなかったがこの論文ではそこをチャレンジしている。

結果

既存のuncalibrated photometric stereoの手法と定量評価を行い推定精度が高いことを示した。一方で均一な表面を持つ素材でトレーニングしているため、急激な色の変化には対応できないとしている。

その他(なぜ通ったか?等)