Oct, 2023

具有球形分布基元的实时神经 BRDF

PDF
TL;DR我们提出了一种新颖的紧凑高效的神经 BRDF，具有高度多功能的材料表示，但占用极低的内存和神经计算资源，以实现实时渲染。该方法将 BRDF 投影到两个低维组件中，即入射和出射方向的两个半球特征网格，并在定制的球面网格上分布可学习的神经反射原语，从而实现了非常快速的求值。这种神经 BRDF 提供了一种统一的框架，可以以一致的方式表示各种材料。通过对测量 BRDF 压缩、蒙特卡洛模拟 BRDF 加速和空间变化效果扩展的全面实验结果表明，该方案实现了优越的质量和泛化能力。
发现论文，激发创造
  • 神经双向反射函数 (BRDF) 表示与重要性采样

    本文提出基于神经网络的光反射模型数据压缩表示，采用自适应角度采样技术进行高精度光反射模型的重建，并使用嵌入编码方式实现了重要性采样的可行性。

    Feb, 2021

  • 基于物理的神经渲染的光采样场和 BRDF 表示

    本文基于目前成功的体积神经渲染，提出了一种新的灯光表示方法来解决物理基础渲染中的限制，并使用 BRDF 模型和细节表面 / 次表面散射，开发出全新的神经肌肤着色器，其性能和质量得到了充分的实验验证。

    Apr, 2023

  • 可逆神经 BRDF 用于物体反演渲染

    本文提出了一种新的神经网络基于 BRDF 模型和贝叶斯框架，用于从一个已知几何物体的单个图像中联合估计反射和自然照明。该模型用可逆神经网络表达反射率，利用高维表示的表达能力，紧凑分析模型的计算简洁性和真实世界 BRDF 的物理可行性。实验表明，这种神经网络可帮助解决具有挑战性的辐射反问题。

    Aug, 2020

  • 一种轻量级实时反射率估计方法

    本文提出了一种基于学习的、适用于 3D 扫描与融合系统的、从 8 位 RGB 图像中实时直接估算表面反射率的轻量级方法，并设计了两种新的网络架构和一种损失函数，同时还建立了一个大型合成数据集 SynBRDF 用于反射率估算。实验结果表明，该方法对于未受控制环境下的反射率估算具有优越性。

    May, 2017

  • 通用反射光度立体的神经反渲染

    本研究提出了一种用于光度立体图像的卷积神经网络结构，通过物理学建模的无监督学习框架，可以进行表面法线和反射率预测，并且在实际场景中达到了最先进的性能表现。

    Feb, 2018

  • 具备渲染感知深度网络的单张图像 SVBRDF 捕获

    本文提出了一种基于深度神经网络的轻量级外观捕捉方法，通过多个创新方法如大规模数据集采集、网络设计等，可从单张图片中恢复像素级法线、漫反射、高光反射和高光粗糙度，并对单张空间不均匀 BRDFs 的捕捉进行了优化。

    Oct, 2018

  • 多散射高反射异性材料的实时渲染方法

    提出了一种基于神经网络的实时体积渲染方法，用于逼真高效地渲染体积媒体，通过模拟迭代积分过程来加速体积媒体的渲染速度，并在保持渲染质量的同时实现逼真的效果，实验结果表明该方法优于先前的方法。

    Jan, 2024

  • 从自然语言描述生成参数化 BRDF

    本文提出一种使用机器学习从文本描述生成双向反射分布函数的模型，以帮助快速生成 3D 环境材质参数表达式并实现交互式编辑。

    Jun, 2023

  • 单张图像的神经外观建模

    我们提出了一种材料外观建模神经网络，用于可视化根据多样的视角和光照条件，在只有一张材料的照片作为输入的情况下，对合理的、在空间上有变化的材料进行外观估计。我们的神经结构由两个网络阶段组成：一个网络从单个输入照片中推断材料的每一像素的学习到的神经参数，和一个利用这些神经参数渲染材料的网络，类似于 BRDF。我们在一组 312,165 个合成的空间变化范例上训练我们的模型。由于我们的方法推断学习到的神经参数而不是分析的 BRDF 参数，我们的方法能够将各向异性和全局照明（像素间的相互作用）信息编码为单个像素参数。我们通过与之前的工作进行性能比较来展示我们模型的表现，并通过将其实现到 Mitsuba3 渲染引擎中，证明了渲染网络作为 BRDF 的可行性。最后，我们简要讨论了神经参数编码全局照明信息的能力。

    Jun, 2024

  • 利用反射场的神经投影映射

    本文提出利用神经投影映射技术在增强现实应用中实现对投影仪的高分辨率自适应校准和照片级别的光线编辑。通过将虚拟投影纹理与场景参数全微分，可以优化得到所需的外观。此外，本文展示了在材料和场景重建等方面，较传统方法更好的性能。

    Jun, 2023