Нейросеть улучшила рендеринг меха
Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.
Какое-то время продолжим трудится на общее благо по адресу
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.
Спасибо, ждём вас на N-N-N.ru
Программисты разработали модель глобального освещения, предназначенную для реалистичного рендеринга меха и учитывающую его структурные отличия от волос, для которых уже существуют реалистичные модели. Разработчики также создали нейросеть, которая преобразует параметры меха в параметры рассеяния света для рендеринга. Создатели отмечают, что они добились на порядок большей скорости рендеринга при одинаковом качестве по сравнению с существующими методами, сообщается в докладе, который был представлен на конференции SIGGRAPH Asia.
Обычно для реалистичного рендеринга применяют метод глобального освещения. Он заключается в том, что компьютер рассчитывает не только отражение света от основного источника, но и отражения света, который в свою очередь отразился от других поверхностей на сцене. Этот метод более похож на реальные процессы и дает более реалистичное изображение, но требует значительно больших вычислительных затрат или времени. Помимо этого современные системы рендеринга также используют подповерхностное рассеяние, которое применяется для моделирования поведения полупрозрачных материалов. При этом методе часть света не отражается от поверхности, а проникает в объем материала, многократно меняет направление и выходит обратно под другим углом и в другой точке.
В случае с ворсистыми поверхностями компьютеру необходимо учитывать все эти процессы для моделирования взаимодействия тысяч отдельных объектов, для чего требуется большая вычислительная мощность или большое время рендернинга. Для того, чтобы упростить рендеринг таких объектов, разработаны некоторые аппроксимирующие методы, но они хорошо описывают взаимодействие света с человеческими волосами и не подходят для меха животных. Это обусловлено тем, что в человеческих волосах сердцевина мала по сравнению с общей толщиной волоса, а в мехе животных она может занимать большую его часть и сильно влиять на рассеяние света.
Группа исследователей под руководством Рави Рамамурти (Ravi Ramamoorthi) из Калифорнийского университета в Сан-Диего разработали методику, подходящую как для рендеринга меха, так и для волос. Для моделирования отражения света между отдельными волосами меха и рассеяния внутри них разработчики выбрали метод дипольной диффузии, при котором вместо реального источника света используется два перпендикулярных точке входа в поверхность источника — один над ней, а второй под ней. Этот метод используется для упрощения вычислений при моделировании подповерхностного рассеяния.
Метод дипольной диффузии. Yan et al. / SIGGRAPH Asia 2017
Поскольку рассеяние света зависит от структуры волоса и эта зависимость может быть сложной и нелинейной, исследователи создали модель, описываемую несколькими параметрами, а также нейросеть типа многослойного перцептрона для быстрого превращения параметров меха в параметры подповерхностного рассеяния для программы, непосредственно занимающейся отрисовкой модели. Также они проанализировали модель и поняли, что некоторые параметры не влияют на конечное изображение и их можно не использовать в качестве входных данных для нейросети.
Параметры волоса меха. Yan et al. / SIGGRAPH Asia 2017
Для тренировки нейросети разработчики создали набор данных из тысячи изображений с разрешением 128 на 128 пикселей со случайными параметрами. После тренировки они сравнили свой метод с другими методами на одинаковых сценах и выяснили, что для сравнимого качества рендеринга ему требуется в несколько раз меньше времени при одинаковой вычислительной мощности.
В прошлом году американские разработчики научили нейросеть убирать шум с рендеров кадров мультфильмов, смоделированных на компьютере. При этом нейросеть смога «дотянуть» качество изображения до рендера такой же сцены с использованием большего количества источников света и большей детализацией.
Автор: Григорий Копиев
- Источник(и):
- Войдите на сайт для отправки комментариев