基于生成对抗模型及光路分解的全局光照绘制

摘要：

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

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61873218

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：243-251