MARC

 008250123s2024        us                              c    eng  d
■001000017161531
■00520250211151409
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798342102117
■035    ▼a(MiAaPQ)AAI31285314
■035    ▼a(MiAaPQ)25588062
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a628.9
■1001  ▼aSheng,  Yichen.
■24510▼aControllable  3D  Effects  Synthesis  in  Image  Editing
■260    ▼a[Sl]▼bPurdue  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a119  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-05,  Section:  B.
■500    ▼aAdvisor:  Benes,  Bedrich.
■5021  ▼aThesis  (Ph.D.)--Purdue  University,  2024.
■520    ▼a3D  effect  synthesis  is  crucial  in  image  editing  to  enhance  realism  or  visual  appeal.  Unlike  classical  graphics  rendering,  which  relies  on  complete  3D  geometries,  3D  effect  synthesis  in  image  editing  operates  solely  with  2D  images  as  inputs.  This  shift  presents  significant  challenges,  primarily  addressed  by  data-driven  methods  that  learn  to  synthesize  3D  effects  in  an  end-to-end  manner.  However,  these  methods  face  limitations  in  the  diversity  of  3D  effects  they  can  produce  and  lack  user  control.  For  instance,  existing  shadow  generation  networks  are  restricted  to  producing  hard  shadows  without  offering  any  user  input  for  customization.In  this  dissertation,  we  tackle  the  research  question:  how  can  we  synthesize  controllable  and  realistic  3D  effects  in  image  editing  when  only  2D  information  is  available?Our  investigation  leads  to  four  contributions.  First,  we  introduce  a  neural  network  designed  to  create  realistic  soft  shadows  from  an  image  cutout  and  a  user-specified  environmental  light  map.  This  approach  is  the  first  attempt  in  utilizing  neural  network  for  realistic  soft  shadow  rendering  in  real-time.  Second,  we  develop  a  novel  2.5D  representation  Pixel  Height,  tailored  for  the  nuances  of  image  editing.  This  representation  not  only  forms  the  foundation  of  a  new  soft  shadow  rendering  pipeline  that  provides  intuitive  user  control,  but  also  generalizes  the  soft  shadow  receivers  to  be  general  shadow  receivers.  Third,  we  present  the  mathematical  relationship  between  the  Pixel  Height  representation  and  3D  space.  This  connection  facilitates  the  reconstruction  of  normals  or  depth  from  2D  scenes,  broadening  the  scope  for  synthesizing  comprehensive  3D  lighting  effects  such  as  reflections  and  refractions.  A  3D-aware  buffer  channels  are  also  proposed  to  improve  the  synthesized  soft  shadow  quality.  Lastly,  we  introduce  Dr.Bokeh,  a  differentiable  bokeh  renderer  that  extends  traditional  bokeh  effect  algorithms  with  better  occlusion  modeling  to  correct  flaws  existed  in  existing  methods.  With  the  more  precise  lens  modeling,  we  show  that  Dr.Bokeh  not  only  achieves  the  state-of-the-art  bokeh  rendering  quality,  but  also  pushes  the  boundary  of  depth-from-defocus  problem.Our  work  in  controllable  3D  effect  synthesis  represents  a  pioneering  effort  in  image  editing,  laying  the  groundwork  for  future  lighting  effect  synthesis  in  various  image  editing  applications.  Moreover,  the  improvements  to  filtering-based  bokeh  rendering  could  significantly  enhance  com-  mercial  products,  such  as  the  portrait  mode  feature  on  smartphones.
■590    ▼aSchool  code:  0183.
■650  4▼aLighting
■650  4▼aRealism
■650  4▼aComputer  science
■690    ▼a0984
■71020▼aPurdue  University.
■7730  ▼tDissertations  Abstracts  International▼g86-05B.
■790    ▼a0183
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17161531▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서