论文页 - BRDFusion：物理与生成融合的城市场景逆渲染

来源：https://huggingface.co/papers/2606.17049

摘要

BRDFusion 结合物理建模与生成先验，实现了城市场景的高质量逆渲染与正向渲染，具备精确控制和伪影减少能力。

从拍摄视频中逆渲染城市场景可实现众多应用，包括内容创作和自动驾驶仿真。基于物理的渲染方法遵循并控制光照物理特性，但存在重建和渲染伪影问题。生成模型能产生逼真的视频，但一致性和可控性有限。我们提出 BRDFusion，一个统一框架，将两种互补模型结合用于逆渲染和正向渲染。具体而言，BRDFusion 通过物理建模恢复显式一致的场景属性，并利用生成先验缓解优化歧义。在正向渲染过程中，物理模型提供基于场景配置的可控渲染，生成模型则进行去噪并修复伪影。因此，我们的方法能够生成高质量视频，同时允许精确控制，在真实和合成场景中均优于基线方法。此外，BRDFusion 支持新视角重光照、夜间模拟以及动态物体插入/编辑。项目页面：https://shigon255.github.io/brdfusion-page/

查看 arXiv 页面 (https://arxiv.org/abs/2606.17049) 查看 PDF (https://arxiv.org/pdf/2606.17049) 项目页面 (https://shigon255.github.io/brdfusion-page/) GitHub10 (https://github.com/shigon255/BRDFusion) 添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.17049)

引用本文的模型1

Shigon/BRDFusion_checkpoints 更新于约8小时前 (https://huggingface.co/Shigon/BRDFusion_checkpoints)

引用本文的数据集2

Shigon/BRDFusion_data 查看器 • 更新于约8小时前 • 112k • 83 (https://huggingface.co/datasets/Shigon/BRDFusion_data)

Shigon/BRDFusion_videos 查看器 • 更新于约8小时前 • 495 • 24 (https://huggingface.co/datasets/Shigon/BRDFusion_videos)

引用本文的 Spaces0

没有关联此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2606.17049 以从本页链接到它。

包含本文的收藏0

没有包含此论文的收藏

将此论文添加至一个收藏 (https://huggingface.co/new-collection) 以从本页链接到它。