Microfacet-based photometric stereo for surfaces with isotropic reflectance
Notice bibliographique
Résumé
A precise, stable, and invertible model for surface reflectance is the key to the success of calibrated photometric stereo.Though models addressing low frequency reflectance have been proposed for a broad group of non-Lambertian surfaces, an effective solution directly targeting highly specular reflectance remains elusive.This thesis introduces an analytical isotropic microfacet-based reflectance model, based on which there is a physically interpretable approximation that can be tailored for highly specular surfaces.With this approximation, it shows that a surface recovery problem is essentially an ellipsoid of revolution fitting problem, and a fast, non-iterative and globally optimal solver is derived to attack the latter.Additionally, the introduced model also justifies the fact that, if specularity is not captured by any directional light, a very smooth surface can also appear to be diffusive.This fact leads to a design of an iterative solver for surface estimation with general isotropic reflectance, where the formulation handling specularity is taken as a special instance.Empirical results on images of both synthetic appearances and real objects can validate this model and demonstrate that the proposed solution can stably deliver the state-of-the-art performance.i My deep gratitude goes to my thesis adviser professor Michael Langer for his guidance on my thesis work and for opening the door for me to the joyful research experience in computer vision.The days I spent at School of Computer Science of McGill has made a significant impact on a
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».