Woven Fabric Capture with a Reflection-Transmission Photo Pair

将织物数字化对许多应用都很有价值，从数字人类到室内设计都可以使用。以前的工作通过捕捉单个反射图像并使用可微几何和着色模型估计织物参数来介绍了一种轻量级织物采集方法。估计出的织物参数的渲染可以与照片非常相似；然而，捕获的反射图像不足以完全表征织物样品的反射率。例如，不同厚度的织物可能具有相似的反射图像，但会导致显着不同的透射率。我们建议从两张捕获的图像（反射和透射）中恢复织物参数。我们方法的核心是可微分的双向散射分布函数（BSDF）模型，处理反射和透射，包括单向和多向散射。我们提出了一个两层模型，其中单向散射使用与以前的工作相同的SGGX相函数，而多向散射使用新的方位不变的微片定义，我们称之为ASGGX。这种新的织物BSDF模型在反射和透射方面都非常接近真实的织物。我们使用一个简单的设置来使用手机相机和两个点光源捕获反射和透射照片，并通过轻量级网络以及可微优化估计织物参数。我们还使用简单的解决方案明确地建模了失焦效应，以更好地匹配薄透镜相机。结果，估计参数的渲染可以在反射和透射方面与输入图像达成一致。本文的代码位于https://github.com/lxtyin/FabricBTDF-Recovery。

该论文试图通过捕捉反射和透射两张图像来恢复织物参数，以解决单张反射图像无法充分表征织物样本反射的问题。同时，该论文还尝试通过建立不同iable BSDF模型来更好地匹配实际织物的反射和透射情况。

该论文的关键思路是建立一个可微的双向散射分布函数模型，处理反射和透射，包括单次和多次散射，并通过使用一个新的方位不变微片定义来处理多次散射。该模型在反射和透射方面都能够更好地匹配实际织物，同时使用一个简单的网络和可微优化来估计织物参数。

论文使用一个简单的设置来捕捉反射和透射照片，并使用不同iable优化方法来估计织物参数。该论文还使用一个简单的解决方案来显式建模失焦效果，以更好地匹配薄透镜相机。此外，该论文提供了开源代码。

最近的相关研究包括利用单张反射图像恢复织物参数的方法。例如，之前的工作使用不同iable几何和阴影模型来估计织物参数。