-
题名基于生成对抗模型及光路分解的全局光照绘制
- 1
-
-
作者
梁晓
王妮婷
王静雯
欧阳娇
-
机构
西南石油大学计算机科学学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第4期243-251,共9页
-
基金
国家自然科学基金(61873218)。
-
文摘
针对现有全局光照图像重建高频特征效果模糊的问题,提出一种基于生成对抗模型及光路分解的全局光照绘制网络,以各类图形辅助属性(法线、深度、粗糙度等)为主要输入,学习光照传输的抽象表示并编码,用于推理光照图像。第一,将光照解耦为漫反射和镜面反射两部分,设计独立的生成对抗网络端到端地学习和推理光照子图,避免混频光照的相互干扰,保证高频细节的清晰重现。第二,使用自编码器作为绘制网络的基本结构,添加多尺度特征融合模块用于不同感受野下的特征合成,以促进阴影、镜面反射等复杂特效的有效表达。第三,使用旋转损失和特征损失两种增强的对抗损失函数,增加网络训练的稳定性。实验结果表明,与现有降噪或图像生成模型相比,该方法能够有效地生成视觉上更逼真的全局光照图像,保留更多高频细节,PSNR指标提升8%~20%。
-
关键词
全局光照绘制
光路分解
生成对抗网络
自编码器
多尺度融合
-
Keywords
global illumination rendering
light decomposition
generative adversarial network(GAN)
auto-encoder
multi-scale fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名交互式蒙特卡洛全局光照超分辨率重建
- 2
-
-
作者
王静雯
梁晓
王妮婷
欧阳娇
-
机构
西南石油大学计算机科学学院
-
出处
《计算机工程与设计》
北大核心
2023年第4期1166-1173,共8页
-
基金
国家自然科学基金项目(61873218)
四川省科技厅应用基础研究基金项目(18YYJC1147)
西南石油大学创新基金项目(642)。
-
文摘
针对现有全局光照图像的重建效果模糊且耗时较长问题,提出一种基于生成对抗的交互式图像超分辨率重建网络,使用低分辨率的高频噪声推理高分辨率的全局光照图像。将G-buffer中的图形特征作为辅助输入,利用其低噪与相似性,为网络增加图像高频信息;为避免多模态输入下产生冗余特征,利用注意力机制抑制辅助输入中的无效信息;建立混合感知损失函数,促进产生自然的图像风格。实验结果表明,在4 spp的低分辨率噪声输入下,能够在交互式帧率下获得4倍超分辨率全局光照图像,支持阴影、间接漫/镜面反射等光照效果。
-
关键词
全局光照
超分辨率重建
生成对抗网络
注意力机制
交互式绘制
蒙特卡洛降噪
辅助特征
-
Keywords
global illumination
super-resolution reconstruction
generative adversarial network
residual attention
interactive rendering
Monte Carlo denoising
auxiliary feature
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-