基于新型游戏数据集的高效神经超采样
计算机视觉与模式识别
2023-08-04 v1 图形学
机器学习
摘要
由于对更高分辨率、帧率和真实感的需求，视频游戏的实时渲染变得愈发具有挑战性。超采样已成为应对该挑战的有效方案。我们的工作提出了一种新颖的渲染内容神经超采样算法，其效率是现有方法的 4 倍，同时保持同等精度。此外，我们引入了一个新数据集，其提供使用视口抖动与 mipmap 偏置等不同分辨率下的图形渲染特性生成的辅助模态，如运动向量与深度。我们相信该数据集填补了当前数据集版图的空白，并可作为宝贵资源，助力衡量该领域进展并推进游戏内容超分辨率技术的 SOTA。
引用
@article{arxiv.2308.01483,
title = {Efficient neural supersampling on a novel gaming dataset},
author = {Antoine Mercier and Ruan Erasmus and Yashesh Savani and Manik Dhingra and Fatih Porikli and Guillaume Berger},
journal= {arXiv preprint arXiv:2308.01483},
year = {2023}
}
备注
ICCV'23