FreNBRDF：一种频率校正的神经材料表示

精确的材质建模对于实现照片级真实感渲染至关重要，它弥合了计算机生成图像与真实世界照片之间的鸿沟。传统方法依赖于表格化的BRDF数据，而近期工作已转向隐式神经表示，后者为各种任务提供了紧凑且灵活的框架。然而，它们在频域中的行为仍知之甚少。为了解决这个问题，我们引入了FreNBRDF，一种频率校正的神经材质表示。通过利用球谐函数，我们将频域考量整合到神经BRDF建模中。我们提出了一种新颖的频率校正损失，它来源于对神经材质的频率分析，并将其整合到一个通用且自适应的重建和编辑流程中。这个框架增强了保真度、适应性和效率。大量实验表明，与最先进的基线相比，\ours改进了材质外观重建和编辑的准确性和鲁棒性，从而支持了更结构化和可解释的下游任务和应用。