面向低成本路径追踪 Lambertian 全局照明的快速局部神经回归

尽管近期在光线追踪硬件加速方面取得了进展，但在商品硬件上实现的实时光线预算仍受限于每像素仅剩几次采样，这使得去噪算法必须在保证视觉质量方面发挥关键作用。神经网络方法虽然能获得优异的结果质量，但相对于手工工程方法的执行时间更长，在资源受限的系统上部署效果较差。因此，我们提出将神经网络融入计算高效的局部线性模型基去噪器中，演示在非常低的采样计数（1spp）下，针对 Lambertian 场景实现了高质量的单帧全局照明恢复。其他贡献包括通过简化的数学处理提高局部线性模型去噪的质量和性能，并展示了将环境遮蔽作为导引通道的意想不到的有用性。我们还展示了该技术如何 straightforwardly 可扩展到针对低成本光栅化导引通道的路径追踪渲染的联合去噪和上采样。