摘要: 针对生成对抗模型降噪结果出现的伪影和模糊问题,提出一种基于对抗生成递归自编码器的蒙卡渲染画面降噪方法。在模型上,设计多尺度卷积编码结构,以多尺度残差自编码模型为生成器,通过组合连接实现不同层次特征提取,融合不同感受野的特征信息。以设计的递归残差网络模型为判别器,判断蒙卡渲染画面真伪,在对抗中提高网络性能。以端到端的方式将辅助信息特征、含有噪声的蒙卡画面和8192采样率下的画面输入到融合递归自编解码器中进行降噪处理。实验表明,该方法在测试场景下的平均峰值信噪比为32.44 dB,比生成对抗网络方法和残差网络方法分别提升4.80%和3.13%;平均结构相似性为0.92,比2种已有的算法分别提高2.54%和1.01%。
- 关键词:
- 递归残差网络 /
- 多尺度卷积 /
- 生成对抗网络 /
- 蒙特卡罗渲染画面 /
- 图像处理 /
- 图像去噪 /
- 深度学习 /
- 自编码网络
随着图形渲染软件硬件的发展,光线追踪技术逐渐在计算机辅助设计、动画电影制作、图形可视化显示等领域崭露头角。针对蒙特卡罗三维渲染画面噪声的解决方法有2种:第1种是通过重要性采样对蒙特卡罗样本进行近似,加快蒙特卡罗收敛速率,如Lehtinen等[1]提出利用图像梯度的Metropolis 光线跟踪算法, 通过直接计算图像梯度值,求解 Poisson方程来重建图像。第2种方法是对蒙特卡罗渲染的画面进行重构降噪,如Rousselle等[2]提出基于非局部均值滤波(non-local means, NLM)的去噪算法,该方法利用真实图像和噪声图像滤波系数的相关性,