Faire avancer le réalisme en réalité augmentée avec la lumière et les ombres
Notre système améliore la réalité augmentée en évaluant précisément l'éclairage et en générant des ombres réalistes.
― 6 min lire
Table des matières
La réalité augmentée (RA) est une techno qui nous permet de voir des objets virtuels dans le monde réel grâce à des appareils comme les smartphones et les tablettes. Imagine tenir ton appareil et voir un modèle 3D d'une chaise placée juste dans ton salon. Pour que cette expérience soit réaliste, les objets virtuels doivent s'intégrer parfaitement à la scène réelle. Cette intégration dépend beaucoup d'une estimation précise des conditions d'éclairage de l'environnement.
L'estimation de la lumière, c'est comprendre comment la lumière fonctionne dans un espace particulier, de d'où vient la lumière, sa couleur et comment elle interagit avec les objets. Une estimation précise de la lumière aide les objets virtuels à avoir l'air d'appartenir naturellement à la scène.
Le besoin d'ombres réalistes en RA
L'un des aspects les plus importants pour que la réalité augmentée paraisse réelle, ce sont les ombres. Quand des objets virtuels sont ajoutés à une scène, ils doivent projeter des ombres qui imitent comment la lumière les toucherait dans le monde réel. Sans ombres réalistes, les objets virtuels peuvent sembler plats ou déplacés. Les ombres douces, en particulier, sont essentielles dans des environnements intérieurs car les sources de lumière, comme les lampes, ont une apparence douce à cause de leur proximité.
Notre système d'intégration RA
On a développé un système ou un pipeline qui aide à intégrer des objets virtuels dans de vraies scènes intérieures d'une manière qui a l'air réaliste. Ce système se concentre sur deux fonctions principales : estimer les conditions de lumière dans une scène et générer des ombres douces basées sur ces conditions.
Estimation de la lumière
La première étape de notre pipeline, c'est l'estimation de la lumière. Pour estimer la lumière, on utilise une image capturée par un appareil photo standard, comme un smartphone. L'image contient des infos cruciales sur l'éclairage dans l'espace, comme la direction d'où vient la lumière et sa couleur. En analysant cette image, on peut rassembler suffisamment d'infos pour recréer comment la lumière interagirait avec les objets virtuels.
Création d'ombres douces
Une fois qu'on a estimé les conditions de lumière, on passe à la création d'ombres douces. Les ombres douces sont essentielles pour le réalisme ; elles changent selon la direction de la lumière et la forme de l'objet. On utilise un petit réseau de neurones pour générer ces ombres en temps réel, ce qui permet de les afficher sur des appareils mobiles rapidement.
Comment ça marche
1. Analyse des conditions de lumière
Notre analyse des conditions de lumière commence par l'utilisation d'une caméra pour capturer une image de la scène. On applique ensuite un processus pour extraire des informations sur la direction de la lumière, la couleur de la lumière et la couleur ambiante, qui est l'éclairage de fond de l'environnement. Cette étape est cruciale car elle nous permet de recréer le comportement de la lumière sur les objets virtuels.
2. Création de textures d'ombres
Après avoir estimé l'éclairage, on se concentre sur la création de textures d'ombres. Ces textures définissent comment les ombres sont projetées selon la direction de la lumière. Pour les ombres douces, on précalcule ces textures, ce qui signifie qu'on les crée à l'avance selon comment la lumière provenant de différents angles interagit avec les objets.
3. Combinaison de lumière et d'ombres
Enfin, on combine les résultats de l'estimation de la lumière et de la création de textures d'ombres. Cette combinaison nous permet de rendre les objets virtuels dans la scène avec des ombres qui correspondent à l'éclairage du monde réel, créant une expérience visuelle convaincante.
Performance en temps réel
Un des grands avantages de notre approche, c'est la rapidité. Notre système fonctionne en temps réel, ce qui lui permet de faire ces calculs assez vite pour offrir une expérience utilisateur fluide sur les appareils mobiles. Cette rapidité est vitale pour les applications RA, car tout retard peut ruiner l'immersion.
Évaluation du réalisme
Pour mesurer à quel point notre système est réaliste, on a fait des évaluations. On a demandé aux participants de comparer des images rendues avec notre méthode et celles utilisant des méthodes de rendu traditionnelles. Dans ces comparaisons, les sujets ont noté à quel point les objets virtuels s'intégraient bien dans les scènes en fonction de l'éclairage et des ombres.
Étonnamment, beaucoup de participants ont préféré les images générées par notre système par rapport à celles utilisant des méthodes traditionnelles. Cette découverte montre que notre approche réussit à créer un mélange visuel convaincant entre les objets virtuels et les environnements réels.
L'importance du dataset
Pour notre processus d'estimation de lumière, on a utilisé un dataset contenant plein d'images avec des conditions d'éclairage connues. Ce dataset nous permet d'entraîner notre réseau de neurones efficacement. Il aide le système à apprendre à déterminer les conditions de lumière à partir de nouvelles images.
Relever les défis
Bien que notre pipeline fonctionne bien, il y a encore des défis à relever. Par exemple, estimer précisément les ombres qui tombent sur les murs ou des surfaces complexes est encore un domaine à améliorer. De plus, le système crée actuellement des ombres seulement pour le sol où l'objet virtuel est placé.
Directions futures
Alors qu'on continue à peaufiner notre pipeline, on prévoit d'explorer comment étendre nos méthodes pour gérer des situations d'éclairage plus complexes. Cela inclut l'incorporation de différents types de sources lumineuses au-delà des simples lumières directionnelles et la création d'ombres pour plusieurs objets virtuels dans une scène.
Conclusion
Notre travail représente un pas en avant significatif dans l'intégration d'objets virtuels dans des applications de réalité augmentée en temps réel. En estimant avec précision l'éclairage et en créant des ombres douces réalistes, on peut renforcer la sensation d'immersion pour les utilisateurs. L'amélioration continue de ces techniques promet des expériences RA encore plus réalistes à l'avenir.
Avec la recherche continue, on vise à repousser les limites de ce qui est possible en RA, ouvrant la voie à des applications qui mélangent harmonieusement le monde virtuel et réel.
Titre: Real-time Light Estimation and Neural Soft Shadows for AR Indoor Scenarios
Résumé: We present a pipeline for realistic embedding of virtual objects into footage of indoor scenes with focus on real-time AR applications. Our pipeline consists of two main components: A light estimator and a neural soft shadow texture generator. Our light estimation is based on deep neural nets and determines the main light direction, light color, ambient color and an opacity parameter for the shadow texture. Our neural soft shadow method encodes object-based realistic soft shadows as light direction dependent textures in a small MLP. We show that our pipeline can be used to integrate objects into AR scenes in a new level of realism in real-time. Our models are small enough to run on current mobile devices. We achieve runtimes of 9ms for light estimation and 5ms for neural shadows on an iPhone 11 Pro.
Auteurs: Alexander Sommer, Ulrich Schwanecke, Elmar Schömer
Dernière mise à jour: 2023-08-03 00:00:00
Langue: English
Source URL: https://arxiv.org/abs/2308.01613
Source PDF: https://arxiv.org/pdf/2308.01613
Licence: https://creativecommons.org/licenses/by-nc-sa/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.