FoVolNet：基于中央凹深度神经网络的快速体绘制
图形学
2022-09-22 v1 机器学习
摘要
体数据见于许多重要的科学与工程应用。即便使用专业级硬件，仍难以在虚拟现实等苛刻应用中以高质量和交互速率可视化渲染此类数据。我们提出 FoVolNet——一种显著提升体数据可视化性能的方法。我们开发了高性价比的中央凹渲染流水线，围绕焦点稀疏采样体数据，并利用深度神经网络重建整帧。中央凹渲染是一种优先在用户焦点周围进行计算的渲染技术。该方法利用人类视觉系统的特性，从而在渲染用户视野周边数据时节省计算资源。我们的重建网络结合直接预测与核预测方法，以产生快速、稳定且感知上令人信服的输出。凭借精简设计与量化使用，我们的方法在端到端帧时间与视觉质量上均优于最先进的神经重建技术。我们对系统的渲染性能、推理速度与感知特性进行了广泛评估，并与竞争的神经图像重建技术进行比较。测试结果表明，FoVolNet 在保持感知质量的同时，相较传统渲染一致地实现了显著的时间节省。
引用
@article{arxiv.2209.09965,
title = {FoVolNet: Fast Volume Rendering using Foveated Deep Neural Networks},
author = {David Bauer and Qi Wu and Kwan-Liu Ma},
journal= {arXiv preprint arXiv:2209.09965},
year = {2022}
}
备注
To appear at IEEE VIS 2022 and later TVCG