面向BRDF获取的渲染感知稀疏采样
计算机视觉与模式识别
2026-05-26 v2 图形学
摘要
精确的BRDF获取对于实现真实感渲染至关重要，但稠密的球形反射仪测量缓慢且昂贵。我们研究如何选择一小组最具信息量的BRDF测量点，以便在学习到的BRDF先验条件下重构材料外观。现有稀疏获取方法常针对所有材料在BRDF空间中的重建进行样本优化，而测量在每个渲染外观中的感知重要性最终取决于其对该外观的影响。因此，我们将稀疏自适应获取 formulated为一个渲染感知优化问题。该方法结合了稀疏坐标-值观察的集合编码器、预训练的基于超网络/PCA的BRDF重构器，以及可微分渲染器。在采样器训练期间，重构器保持固定，渲染图像损失的梯度用于优化测量位置。这将获取设计从先验拟合中分离出来，鼓励采样器选择在所学习的材料分布下具有信息量的方向。为实现可控比较，我们在匹配样本数、训练/测试划分、渲染场景、对象掩码、图像映射和评估指标下，对比了均匀基线、元学习方法、HyperBRDF方法以及我们的方法。我们的核心论点：渲染感知采样在最终渲染外观为目标时，可实现极端稀疏的BRDF获取。BRDF空间损失和组合损失仅作为消融实验报告，另外还有联合精炼和仅用图像对不可见材料进行潜在拟合。
引用
@article{arxiv.2604.26740,
title = {Rendering-Aware Sparse Sampling for BRDF Acquisition},
author = {W. Cao and D. Jönsson and Z. Huang and J. Unger},
journal= {arXiv preprint arXiv:2604.26740},
year = {2026}
}