Regression based Gradient Hole filling for Inverse Rendering Jangwon Hwang Gwangju Institute of Science and Technology

Abstract

역방향 렌더링은 이미지 기울기를 장면 매개변수에 대해 계산하고 이를 경사 기반 최적화에 활용함으로써 장면 매개변수를 추정할 수 있게 해준다. 그러나 실제 환경에 서는 픽셀당 샘플 수가 매우 제한적이기 때문에, 이러한 기울기는 희소하고 노이즈가 심한 경우가 많아 수렴 속도를 저하시킬 뿐 아니라 최적화를 불안정하게 만들 수 있다. 본 연구에서는 정규화된 가중 최소제곱으로 학습된 국소 다항 회귀를 이용해, 매개변수 공간에서 손실 기울기를 재구성하는 회귀 기반 기울기 결손 보정 방법을 제안한다. 제안 방법은 이웃 영역에서 국소 모델을 이용하여 보간함으로써, 원래의 희소한 기울기를 대 체하는 밀도있는 기울기를 재구성한다. 우리의 방법은 기존 방법인 교차-양방향 기울기 필터링에 비해, 특히 희소한 설정에서 더 빠른 수렴과 향상된 기울기 재구성 품질을 보 이며,매개변수공간에서의단순한회귀만으로도역방향렌더링을안정화하는효과적인 도구가 될 수 있음을 보여준다 ©2026 황 장 원 ALL RIGHTS RESERVED|Inverse rendering enables to estimate scene parameter by computing image gradi- ents with respect to scene parameters and using them in gradient-based optimization. However, these gradients are often sparse and noisy, which slows convergence and can make optimization unstable because only a few samples per pixel are available in practice. To address this problem, we propose a regression-based gradient hole-filling method that models the loss gradient in parameter space using local polynomial re- gression fitted by regularized weighted least squares. The resulting local models are evaluated over neighborhoods to produce a dense gradient that replaces the original gradients estimates during optimization. Our method accelerates convergence and im- proves reconstruction quality in sparse scenarios compared to both raw gradients and cross-bilateral gradient filtering, demonstrating that simple analytic regression in pa- rameter space effectively increase speed of inverse rendering. ©2026 Jangwon Hwang ALL RIGHTS RESERVED