面向基于物理的神经渲染的光采样场与BRDF表示
计算机视觉与模式识别
2023-04-13 v1 人工智能
图形学
摘要
基于物理的渲染（PBR）是业界广泛用于展示计算机图形资产中细致逼真场景的沉浸式渲染效果的关键。一个众所周知的缺陷是，生成同样效果计算繁重且依赖复杂采集设备。受近期体神经渲染在质量与效率上成功的启发，我们希望开发一种基于物理的神经着色器，以消除设备依赖并显著提升性能。然而，当前神经渲染方法中现有的光照与材质模型均无法准确表示PBR过程所需的综合光照模型与BRDF属性。因此，本文提出一种新颖的光照表示，通过习得的光采样场中的光采样策略在局部对直接光与间接光建模。我们还提出BRDF模型分别表征表面/次表面散射细节，以支持皮肤、玉等半透明材质的复杂物体。随后，我们基于端到端基于物理的神经面部皮肤着色器实现所提表示，其以标准面部资产（即几何、反照率图与法线图）和用于照明的HDRI为输入，生成照片级真实感渲染为输出。大量实验展示了我们PBR面部皮肤着色器的质量与效率，表明所提光照与材质表示的有效性。
引用
@article{arxiv.2304.05472,
title = {Light Sampling Field and BRDF Representation for Physically-based Neural Rendering},
author = {Jing Yang and Hanyuan Xiao and Wenbin Teng and Yunxuan Cai and Yajie Zhao},
journal= {arXiv preprint arXiv:2304.05472},
year = {2023}
}
备注
ICLR 2023 Poster