基于神经网络的随机渐近式光子映射图像降噪方法及系统.pdf
猫巷****志敏
亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于神经网络的随机渐近式光子映射图像降噪方法及系统.pdf
本发明公开了基于神经网络的随机渐近式光子映射图像降噪方法及系统,包括:获取三维场景,基于随机渐进式光子映射生成待降噪图像,包括基于全局光子的渲染图像和基于焦散光子的渲染图像;将基于全局光子的渲染图像,输入到预训练的第一多重残差神经网络中,输出全局光子降噪图像;将基于焦散光子的渲染图像,输入到预训练的第二多重残差神经网络中,输出焦散光子降噪图像;将全局光子降噪图像和焦散光子降噪图像进行合成,得到最终的渲染图像。
基于光子重采样的随机渐近光子映射图像渲染方法及系统.pdf
本公开公开了基于光子重采样的随机渐近光子映射图像渲染方法及系统,从视点发射第一光线,记录第一光线与场景物体的碰撞点位置;从光源发射第二光线,得到光子图;将光子图划分为若干个连续的图像子块,计算每个图像子块内碰撞点距离误差值和光子数误差值;在着色阶段,遍历碰撞点;首次执行时,对每一个碰撞点,根据设定半径进行光子采样;在非首次执行时,对每一个碰撞点,根据碰撞点距离误差值和光子数误差值,计算碰撞点的若干个新的采样半径,利用若干个新的采样半径,对当前图像子块内碰撞点新的采样半径内的光子进行重新采样;当所有的碰撞点
一种基于神经网络的光子映射渲染方法和系统.pdf
本发明涉及一种基于神经网络的光子映射渲染方法和系统。该方法包括:1)采用光子映射方法生成k张不同渲染质量的彩色效果图;2)将多组由k张不同渲染质量的彩色效果图构成的训练集输入神经网络进行训练得到神经网络模型;3)基于所述神经网络模型合成全局光照明渲染图像。与现有的渐进式光子映射方法相比,本发明只需要通过由几次迭代的光子映射所产生的中间粗糙结果,就可以藉由本发明提出的神经网络,推测合成渐进式光子映射收敛的渲染结果,从而解决了传统渐进式光子映射方法需要非常耗时的大量迭代才能生成较为理想的渲染结果的问题。
一种基于卷积神经网络自压缩的图像降噪方法及系统.pdf
本发明公开了一种基于卷积神经网络自压缩的图像降噪方法及系统,其中,所述图像降噪方法包括:将待降噪图像输入第一神经网络模型中;采用所述第一神经网络模型中的卷积层对所述待降噪图像进行神经网络隐式信息提取处理,获取待降噪图像的图像轮廓信息;采用所述第一神经网络模型中的降维采样层对所述轮廓图像信息进行降维采样处理,最后输出底层输出图像;将所述底层输出图像输入第二神经网络模型中;在所述第二神经网络模型中对所述底层输出图像进行图像升采样处理,并在所述图像升采样处理过程中同时采用最相邻像素点进行插值处理,输出复原降噪图
基于共享显存优化的光子收集方法和光子映射渲染方法.pdf
本发明公开了一种基于共享显存优化的光子收集方法和光子映射渲染方法。本发明的光子收集方法,其步骤包括:1)将整个待渲染三维场景划分为哈希网格;2)光源发射光子,当光子与场景中的漫反射表面相交时,记录该光子的位置、能量、入射方向信息;3)根据记录中光子的位置,计算对应的哈希值,按照哈希值从小到大的顺序将光子重新排序并生成一个索引数组;4)从视点出发,向每一个像素发射光线,计算路径上首个与场景漫反射表面的交点p并记录交点p的位置、入射方向;5)将需要计算的像素划分成组并为每一像素分配一线程;6)判断一个组内像素