TensoIS：面向普朗克分布异质介质的前馈张量式反演亚表面散射

从图像估计异质介质的散射参数是一个 severely 受限且具有挑战性的问题。大多数现有方法通过分析-合成方法近似复杂路径积分，或使用可微分体积渲染技术来考虑异质性。然而，仅有少数研究将基于学习的方法应用于估计亚表面散射参数，而这些方法假设介质均匀。值得注意的是，我们目前尚不了解任何特定分布可显式建模实际世界中异质散射参数。值得注意的是，程序化噪声模型，如普朗克噪声（Perlin）和分形普朗克噪声（Fractal Perlin noise），在表示自然、有机和无机表面的复杂异质性方面效果良好。利用这一点，我们首先创建 HeteroSynth，一个由散射参数模型化为分形普朗克噪声的光照逼真异质介质图像合成数据集。进一步地，我们提出了张量式反演散射（TensoIS），一个基于学习的前馈框架，用于从稀疏多视角图像观察中估计这些普朗克分布的异质散射参数。TensoIS 不直接预测 3D 散射参数体积，而是使用可学习的低秩张量组件来表示散射体积。我们在 HeteroSynth 测试集上评估了 TensoIS，对未见的异质变体进行测试，包括来自开源真实体积模拟的烟雾和云状几何体，以及一些真实世界样本，以确证其在反演散射方面的有效性。总体而言，本研究是一次探索普朗克噪声分布的尝试，因为文献中尚无此类明确定义的分布，可用于以前馈方式潜在地建模真实世界的异质散射。