Stanford-ORB: A Real-World 3D Object Inverse Rendering Benchmark

我们介绍了斯坦福-ORB，这是一个新的真实世界三维物体反渲染基准。最近反渲染技术的进步使得在三维内容生成的真实世界应用范围内广泛应用，从研究和商业用例快速转向消费设备。虽然结果不断改进，但没有真实世界基准可以定量评估和比较各种反渲染方法的性能。现有的真实世界数据集通常只包括物体的形状和多视角图像，这些数据不足以评估材料恢复和物体重照的质量。能够恢复材料和光照的方法通常会采用合成数据进行定量评估，但这并不能保证其适用于复杂的真实世界环境。我们介绍了一个新的数据集，其中包含在各种自然场景下拍摄的真实世界物体的地面真实三维扫描、多视角图像和环境光照。利用这个数据集，我们建立了第一个全面的真实世界评估基准，用于从野外场景中进行物体反渲染任务，并比较了各种现有方法的性能。

本论文旨在解决缺乏真实世界数据集用于评估和比较不同逆向渲染方法的问题。

本论文提出了一种新的真实世界三维物体逆向渲染基准测试数据集，并使用该数据集，建立了首个综合的真实世界评估基准测试。

本文的亮点是提供了一个包含真实世界物体、多视角图像和环境光照的数据集，用于评估物体材料恢复和物体重新照明的质量。此外，本文还比较了不同现有方法的性能，并提出了一些值得进一步研究的方向。

在这个领域中，最近的相关研究包括：《NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis》、《DeepVoxels: Learning Persistent 3D Feature Embeddings》等。