基于卷积神经网络的实时环境光遮蔽计算

已有的基于屏幕空间的环境光遮蔽计算方法虽然保证了计算的实时性,但是存在估计失真以及细节丢失等难以解决的问题。针对该问题,提出了一种结合低频光线追踪采样以及蒙特卡罗去噪的算法框架对环境光遮蔽进行实时计算。为了解决传统蒙特卡罗去噪算法无法实时处理的问题,提出了一种基于卷积神经网络的蒙特卡罗去噪算法,并针对问题对网络结构进行了改进和优化。实验证明基于卷积神经网络的方法能够对环境光遮蔽的去噪问题进行准确的处理,同时对卷积网络的改进在保持精度的基础上显著地提高了计算效率。对比实验显示了该算法在保持与高频采样光线追踪算法相近效果的前提下可达到与基于屏幕空间环境光遮蔽计算方法相近的每秒数百帧的计算效率。