实时神经发毛去噪
图形学
2026-05-19 v1 计算机视觉与模式识别
摘要
我们提出一种轻量级实时方法，用于从严重欠采样的光栅化输入中重建基于毛发的 G-Buffer。我们的管道首先应用神经空间重建和时间累积，以恢复毛发覆盖率，即像素内毛发可见性的分数以及切向。随后使用切向引导的重建步骤完成位置信息，随后用于基于物理的延迟毛发着色。我们在包括直发、波浪发、afro 发以及马尾发等多种发型、静态和动态场景下进行评估。我们的方法在毛发重建质量方面优于现有的毛发专用去噪技术以及如 DLSS 和 FSR 等通用工业神经重建解决方案。
引用
@article{arxiv.2605.17557,
title = {Real-Time Neural Hair Denoising},
author = {Chenghao Wu and Yuefan Shen and Tao Huang and Kai Yan and Zahra Montazeri and Kui Wu},
journal= {arXiv preprint arXiv:2605.17557},
year = {2026}
}