使用半梯度实现快速而准确的神经渲染

我们提出了一个简单而有效的基于神经网络的全球照明渲染框架。最近的渲染技术通过最小化渲染方程左右两侧之间的差异（即残差）来学习神经光照缓存。由于其实现的便捗性以及排除路径积分计算的优势，这些技术已被应用于 various 领域，如自由视点渲染、可微渲染和实时渲染。然而，人们注意到训练缓慢且偶尔出现暗化渲染的问题。我们确定这些问题的原因是现有残差-based 目标函数梯度估计中的偏差和高方差。为此，我们引入一种新的目标函数，保持相同的全局最优解，同时实现无偏和低方差的梯度估计，从而实现神经网络的快速和准确训练。总之，通过忽略右侧的部分导数即可实现该方法的简单实现，理论和实验分析均显示所提出损失的有效性。