单张图像的神经外观建模

我们提出了一种用于从单张图像建模材料外观的神经网络，以在多样化的视点和照明条件下可视化合理的、空间分布性材料，仅需输入一张受局部光源和视点共定位的材料照片即可进行外观估计。我们的神经架构由两个网络阶段组成：一个从单张输入照片推断材料的 per-pixel 神经参数的网络，另一个利用这些神经参数进行渲染的网络，类似于BRDF。我们在312,165个合成空间分布性范例上进行训练。由于我们的方法推断的是 learned 神经参数而非解析BRDF参数，本方法能够将各向异性性和全局照明（像素间相互作用）信息编码到单个像素参数中。我们对比了先前工作并展示了渲染网络作为BRDF的可行性，通过在Mitsuba3渲染引擎中实现。最后，我们简要讨论了神经参数编码全局照明信息的能力。