完全发职：学习封锁背景更换的肖像

我们提出了一种新颖的肖像致密和背景替代系统，其维持高频边界细节，并准确地将受试者的外观精确地通过新的照明点亮，从而产生用于任何所需场景的现实复合图像。我们的技术包括通过Alpha Matting，Chigationing和合成的前景估计。我们证明，这些阶段中的每一个可以在连续的管道中解决，而不使用前瞻（例如已知的背景或已知的照明）并且没有专门的采集技术，仅使用单个RGB肖像图像和新颖的目标HDR照明环境输入。我们使用在光级计算照明系统中捕获的受试者的Relit肖像来培训我们的模型，该级数记录了多个照明条件，高质量的几何形状和准确的alpha锍。为了对合成进行逼真的回顾，我们在深度学习框架中引入了一种新颖的每像素照明表示，其明确地模拟了外观的漫射和镜面组件，产生了令人信服地呈现的非兰伯语效果，如镜面亮点。多个实验和比较显示在应用于野外图像时所提出的方法的有效性。

@inproceings {pandey：2021，作者= {pandey，rohit和orts-escolano，sergio和legendre，chloe和heene，christian和bouziz，sofien和rhemann，christoph和debevec，paul和fanello，sean}，标题= {总计致辞：学习改变背景替代的肖像}，Journal = {图形上的ACM事务（程序Siggraph）}，卷= {40}，Number = {4}，月= {八月}，年= {2021}，DOI = {10.1145 / 3450626.3459872}，}