沙丘社区
论文

PolarScale：评测生成模型的辐射尺度与偏振物理一致性

PolarScale: A Physics-Grounded Benchmark for Radiometrically Consistent RGB-to-Stokes Estimation

Beibei Lin, Tingting Chen, Xin Zhang, Wenhao Zhao, Dongjun Li, Zifeng Yuan
模型评测基准与评测资源

摘要

偏振成像提供了强度成像之外的物理线索，但通常需要专门的硬件。最近的方法从类 RGB 输入推断偏振，但仅预测归一化斯托克斯分量或相对描述符，从中除去完整斯托克斯重建所需的辐射尺度。我们引入了 PolarScale，一个基准，使该尺度成为明确的预测和评估目标。 PolarScale 以现有的三色全斯托克斯测量为基础，采用每个场景的归一化总强度图像 $s_0$（场景参考的线性图像，而不是消费者的 sRGB 照片），并要求模型预测归一化的斯托克斯分量、AoLP/DoLP/DoCP 和每个场景的比例。因为尺度是从输入中除去来的，所以它在物理上是不可识别的；因此，PolarScale 根据恒定尺度控制以及角度、自一致性 和物理约束指标来评估数据集条件的语义尺度估计。在七种基于恢复和生成的 骨干模型 以及三种预测策略中，最强的恢复模型以 3.6-4.3% 的平均相对误差估计尺度，而恒定控制的平均相对误差为 5.7%，并且在不到 0.25% 的像素上违反物理边界，而两个生成基线崩溃到接近零的尺度；显式描述符监督提高了描述符准确性（MAE 的 PSNR 为 23.66 与 18.88 dB）。预测的全斯托克斯表示改进了漫反射/镜面反射分离、材质分割和眩光分类，尽管在漫反射/镜面反射分离中，学习的比例仅与恒定控制相当。

PolarScale：评测生成模型的辐射尺度与偏振物理一致性：论文原图
图 1：PolarScale 概述。先前基于 RGB 的方法 [22, 21] 预测归一化斯托克斯分量或相对偏振描述符，从中划分出辐射尺度。 PolarScale 还预测每个场景的辐射比例 $\sigma$ 并重建完整的斯托克斯分量 $\mathrm{S}_{n}=\sigma\,\mathrm{s}_{n}$，使该比例成为明确的评估目标。输入是归一化的总强度图像 $\mathrm{s}_{0}=\mathrm{S}_{0}/\sigma$（第 3.2 节），而不是消费者 sRGB 照片。