一种用于BRDF模型的神经质量评估指标
计算机视觉与模式识别
2025-08-05 v1
摘要
准确评估双向反射分布函数（BRDF）模型的质量对于实现真实感渲染至关重要。传统的BRDF空间指标常采用数值误差度量，难以捕捉渲染图像中显现的感知差异。本文提出首个基于感知的神经质量评估指标，用于BRDF评估，直接在BRDF空间上工作，无需在评估过程中进行渲染。该指标以紧凑的多层感知器（MLP）实现，训练数据来源于测量得到的BRDF数据，辅以人工生成的数据，标签采用经过感知验证的图像空间指标。网络输入为参考BRDF与近似BRDF的配对样本，输出其感知质量的即物件不可辨差（JOD）分数。我们表明，所提出的神经质量指标在与人类判断相关性上显著高于现有BRDF空间指标。尽管其作为BRDF拟合损失函数的性能仍有限，但本文提出的指标为BRDF模型提供了一种基于感知的评估替代方案。
引用
@article{arxiv.2508.02131,
title = {A Neural Quality Metric for BRDF Models},
author = {Behnaz Kavoosighafi and Rafal K. Mantiuk and Saghi Hajisharif and Ehsan Miandji and Jonas Unger},
journal= {arXiv preprint arXiv:2508.02131},
year = {2025}
}