[SIGGRAPH AISA 2023] FuseSR: Super Resolution for Real-time Rendering through Efficient Multi-resolution Fusion
组里面 Jingsen 学长的工作,主要思路是通过Gbuffer的辅助信息训练神经网络让其更好地进行super resolution。其中一步是把最后的结果拆成两部分,一部分是BRDF,另一部分是光照相关项。但实际上Gbuffer由于信息很少而且只能做到这么多,能猜测道的光照相关项实际上应该是输入方向无关的。总体上讲我看了论文的大概,就是说还是不太清楚为什么这么设计,还是说这就是“just work”。
我们的方法实现了高保真的4 × 4超分辨率图像,在性能和质量上明显优于现有方法。我们的方法甚至在极具挑战性的8 × 8超分辨率任务(现有的方法基本上都失败了)(右下)中取得了成功,由于我们的BRDF解调和多分辨率融合设计来保留高频细节。放大查看细节
ABSTRACTION随着对高分辨率、高刷新率和高真实感需求的增加,实时渲染的工作量急剧增加,使大多数显卡不堪重负。为了缓解这个问题,一个最流行的解决方案是以低分辨率渲染图像以减少渲染开销,然后设法准确地将低分辨率渲染图像上采样到目标分辨率,即超分辨率技术。大多数现有方法侧重于利用低分辨率输入的信息,例如历史框架。在这些LR输入中缺少 ...
[SIGGRAPH 2024 (?)] Specular Polynomials
昨天和同学交流获悉有一篇Specular Polynomials啊,他这个图的效果是非常的amazing。我不知道他这是啥个原理,为啥看起来这么好,于是简简单单看了下paper。
论文名字起的短就是好,他起的好不好就另说了,就这短短两个英文单词看着就牛逼。不得不说确实视觉上,肯定吊打了pt(再别说了),还比一些学习分布的比如mpg强(时间太短学不到,所以短时间内还是噪点大王),还比sppm更清晰(短时间是这样的)。第一反应就是他应该是找了个高效的采样方法,我一开始甚至以为它用的是什么分析方法(其实还真是)。
内容就不赘述了,作者用了一大堆公式拐来拐去,大概说下思路。(要是我后续发现理解错了再说)
大意就是说,在算镜面反射的时候,现在用的方法看起来和不使用镜面反射的方法没有区别,这样就白白浪费了镜面反射“折射/反射”这种角度定死了、方向定死了的优点。所以作者就很好地利用了这一点,分析了一下计算过程,使用了一些trick,让“从diffuse的shading point直接向光源采样”这一步能够在计算上较为简单地实现。思想也很简单:把从diffuse point到光源的path ...
[SIGGRAPH 2024] Real-Time Path Guiding Using Bounding Voxel Sampling
使用边界体素采样的实时路径引导。UCSD Tzu-mao Li组的工作,2024年SIGGRAPH。
实时渲染由于相比于离线渲染,其计算的预算都比较低,一般都会重用之前在时间上和空间上的信息。光线追踪技术一般是通过对光源采样和对bsdf进行采样,但是对于某些特定场景(比如全是间接光照照亮的场景),bsdf采样和光源采样的表现并不好。路径引导就是利用之前的采样信息,来引导光照向之前采样到光照的部分采样。这篇论文的方法VXPG (voxel path-guiding algorithm)就是利用空间上的采样信息,进行guiding。
ABSTRACTION关键思想:
每个shading point都有所在的体素数据结构,为了从数据结构中对一个shading point进行采样,我们需要选择一个对该点有高贡献的体素。
为了在考虑可见性的同时对体素进行重要采样,我们采用了离线多光渲染技术,通过对shading point和体素进行聚类。
最后,我们在考虑几何形状的同时,对所选体素进行无偏采样。
效果:与其他实时路径引导和虚拟点光方法相比,VXPG在等时间对比下的感知误差明显降低。
其他特点: ...