نویسندگان:
(1) هون کیم، هوش مصنوعی بیبل، و به همان اندازه در این کار مشارکت داشت.
(2) Minje Jang، Beeble AI، و به همان اندازه در این کار مشارکت داشت.
(3) Wonjun Yoon، Beeble AI، و به همان اندازه در این کار مشارکت داشت.
(4) Jisoo Lee، Beeble AI، و به همان اندازه در این کار مشارکت داشته است.
(5) Donghyun Na، Beeble AI، و به همان اندازه در این کار مشارکت داشتند.
(6) Sanghyun Woo، دانشگاه نیویورک، و به همان اندازه در این کار مشارکت داشت.
ما یک نمایش ویدئویی مفصل از چارچوب SwitchLight خود ارائه می دهیم. در ابتدا، ما از ویدیوهای دنیای واقعی Pexels استفاده می کنیم [1] برای به نمایش گذاشتن قابلیت تعمیم پذیری و کاربردی بودن آن. سپس، برای مقایسه های پیشرفته، از مجموعه داده FFHQ استفاده می کنیم [25] برای نشان دادن قابلیت های نورپردازی پیشرفته خود نسبت به روش های قبلی. ارائه شامل چندین جزء کلیدی است:
رندر کردن: این مرحله استخراج ویژگی های نرمال، آلبیدو، زبری و بازتاب را از هر تصویر مشخص می کند، فرآیندی که به عنوان رندر معکوس شناخته می شود.
نورپردازی عصبی: با استفاده از این ویژگیهای ذاتی، سیستم ما بهطور ماهرانه تصاویر را مجدداً روشن میکند تا با یک محیط روشنایی هدف مشخص و جدید هماهنگ شود.
رندر بر اساس فیزیکی در زمان واقعی (PBR): با استفاده از چارچوب Three.js و ادغام ویژگی های ذاتی مشتق شده با مدل بازتاب کوک-تورنس، ما…