基于神经辐射度先验的逆全局光照

考虑全局光照的逆渲染方法正变得越来越流行，但当前方法需要通过追踪多次光线反弹来评估和自动微分数百万条路径积分，这仍然昂贵且容易产生噪声。相反，本文提出了一种辐射度先验，作为在传统可微分路径追踪器中构建完整路径积分的简单替代方案，同时仍正确考虑全局光照。受神经辐射度（Neural Radiosity）技术启发，我们使用神经网络作为辐射度函数，并引入一个由逆渲染损失中渲染方程残差的范数构成的先验。我们训练辐射度网络并使用由渲染图与多视角输入图像之间的光度项以及我们的辐射度先验（残差项）组成的损失同时优化场景参数。该残差项对优化施加了物理约束，确保辐射度场考虑了全局光照。我们将我们的方法与朴素可微分路径追踪器以及路径重放反向传播（Path Replay Backpropagation）等更先进的技术进行比较。尽管我们的方法简单，我们能在显著降低计算时间的情况下以可比且在某些情况下更优的质量恢复场景参数。