端到端自适应蒙特卡洛去噪与超分辨率
计算机视觉与模式识别
2021-08-17 v1 图形学
摘要
经典的蒙特卡洛路径追踪可以以沉重计算量为代价实现高质量渲染。近期工作利用深度神经网络加速该过程，通过在后处理中使用超分辨率或去噪神经网络来改进低分辨率或少量样本的渲染。然而，去噪和超分辨率在先前工作中仅被分开考虑。我们在本工作中表明，通过后处理中的联合超分辨率与去噪（SRD）可进一步加速蒙特卡洛路径追踪。这种新型联合滤波仅允许路径追踪渲染低分辨率且少样本（因而含噪）的图像，随后将其输入深度神经网络以产生高分辨率且干净的图像。本工作的主要贡献是一个专为 SRD 任务设计的新端到端网络架构。它包含两个带共享组件的级联阶段。我们发现去噪和超分辨率需要非常不同的感受野，这一关键见解促使在网络设计中引入可变形卷积。大量实验表明，所提方法优于先前方法及其用于 SRD 任务的变体。
引用
@article{arxiv.2108.06915,
title = {End-to-End Adaptive Monte Carlo Denoising and Super-Resolution},
author = {Xinyue Wei and Haozhi Huang and Yujin Shi and Hongliang Yuan and Li Shen and Jue Wang},
journal= {arXiv preprint arXiv:2108.06915},
year = {2021}
}