基于全景图像的阴影算法研究与实现

基于图像光照技术(IBL)是目前增强现实常见的光照渲染方式,利用IBL的已知条件之一——全景图设计出一种模型阴影生成算法,使其可与IBL技术无缝衔接。首先,使用HDR全景图模拟真实场景中的光照分布;其次,识别三维模型顶点对周围环境光照的可见性区域,同时使用黎曼积分将可见区域光照影响数据化,生成阴影贴图;最后,利用屏幕空间环境光遮蔽技术(SSAO),模拟物体褶皱处的间接光照。实验表明,所提出的阴影生成算法能够得到逼真的阴影效果,同时可以完美嵌入到IBL技术中。

基于深度学习的室内场景光照估计

室内场景的光照估计是一项用途广泛的工作,然而,受制于室内图像有限的拍摄视角与较高的场景复杂度,从单张图片中难以获取场景完整的信息,估计室内场景光照具有较大的挑战。本文使用一种虚拟训练数据集,提出一种基于卷积神经网络的室内场景光照估计方法,该网络利用当前采集的有限视角场景LDR图像估计场景光照变化,据此更新场景初始光照的HDR全景环境贴图。实验表明,本方法能快速准确地预测场景光照变化,并在渲染测试中取得接近真实光照情况的效果。