融合递归自编解码器的蒙卡画面重构降噪方法

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，