Neural-GASh：基于CGA的神经光照预测管线用于实时渲染
图形学
2025-07-21 v1
摘要
本文提出了Neural-GASh，一种 novel 的 3D 网格实时光照管线，利用神经光照场架构通过共形几何代数(CGA) 编码的顶点信息执行基于图像的渲染(IBR)。不同于需要昂贵离线预计算的传统预计算光照传递(PRT)方法，我们的学习模型直接消费CGA表示的顶点位置和法线，实现无需预计算的动态场景光照。集成于Unity引擎，Neural-GASh支持对动画和变形3D网格的精确光照——这是动态交互环境所必需的。场景光照在Unity中实现，场景灯光围球和谱(H)旋转亦使用CGA实现最优。本神经域方法旨在在 diverse 平台(包括移动和VR)上实现快速高效的光传输仿真，同时保持高渲染质量。我们在通过3D高斯splats生成的场景上评估了方法，进一步证明了Neural-GASh在 diverse 情景下的灵活性和鲁棒性。性能与传统PRT方法进行比较，显示即使在复杂几何体下也能实现竞争性的渲染速度。
引用
@article{arxiv.2507.13917,
title = {Neural-GASh: A CGA-based neural radiance prediction pipeline for real-time shading},
author = {Efstratios Geronikolakis and Manos Kamarianakis and Antonis Protopsaltis and George Papagiannakis},
journal= {arXiv preprint arXiv:2507.13917},
year = {2025}
}
备注
11 pages, 10 figures