超越重建：一种基于物理的神经延迟着色器用于照片级真实感渲染
计算机视觉与模式识别
2025-06-25 v2
摘要
基于深度学习的渲染在照片级真实感图像合成方面取得了重大进展，其潜在应用包括电影中的视觉特效和电子游戏中的照片级真实感场景构建。然而，一个显著的局限性是难以分解光照和材质参数，这限制了此类方法仅能重建输入场景，而无法控制这些参数。本文引入了一种新颖的基于物理的神经延迟着色管线，以分解数据驱动的渲染过程，学习一个可泛化的着色函数，从而为着色和重光照任务产生照片级真实感结果；我们还提出了一个阴影估计器来高效地模拟阴影效果。与经典模型和最先进的神经着色模型相比，我们的模型实现了性能提升，并能够从任意光照输入实现可泛化的照片级真实感着色。
引用
@article{arxiv.2504.12273,
title = {Beyond Reconstruction: A Physics Based Neural Deferred Shader for Photo-realistic Rendering},
author = {Zhuo He and Paul Henderson and Nicolas Pugeault},
journal= {arXiv preprint arXiv:2504.12273},
year = {2025}
}