基于深度学习的室内场景光照估计

郭智溢

（四川大学视觉合成图形图像技术国防重点学科实验室，成都610065）

0 引言

室内场景光照估计是应用前景十分广泛的技术，在游戏、增强现实、电影电视节目制作方面有广泛的应用。传统的室内光照采集多采用镜面球作为采集媒介，通过多角度对镜面球进行不同曝光度的拍摄，并将照片合成为HDR全景环境贴图[1]，来获得当前场景的光照情况。Zhang Edward等人[2]通过RGB-D传感器来恢复场景的几何信息，并以此来判断当前场景的光源分布情况。但由于对设备要求较高，且有大量人工操作，这些采集方式虽然具有较好的效果，但时间、设备成本较高且无法快速部署。因此业界进行了大量的相关研究，希望能以成本更低、更加便捷的方式估计室内场景光照。

近年来，在计算机视觉与图形学的研究中卷积神经网络被广泛应用，以深度学习方法进行室内光照的估计具有一定的研究意义，因此本文将提出一种基于深度学习，使用虚拟数据集进行训练，通过预测光源遮罩掩膜来估计室内场景光照的方法。

1 相关工作

目前业界在使用深度学习估计室内场景光照的研究上已经取得了一定的成果，Gardner Marc-Andre等人[3]实现了通过单张局部场景的图片来估计室内光照的方法，Weber Henrique等人[4]则通过已知表面材质性质的指定物体上的光反射来预测室内光照，Li Zhangqin等人[5]则通对室内场景中常见的不同材质对光源的反射，结合由渲染引擎渲染的数据集进行训练的神经网络，实现了对场景中指定位置的局部光照情况的预测。……