一种基于生成对抗网络的渲染图像光照方法技术
A method of rendering image illumination based on generating antagonism network
The invention discloses a method for rendering light against image generation based on network, which belongs to the field of depth study of neural network, which comprises the following steps: S1, the original structure generated against the network model; S2, the structure of neural network acts as a generator and arbiter; S3, the initial random noise generator and S4 input; the image data set light data distribution in discriminant analysis; S5, the light distribution data after linear transformation input generator for subsequent training. The original generation and confrontation network model based on the rendering image illumination is constructed by extracting the illumination data from the image data set and linear transformation of the distribution. Finally, it input into the generator to train, so as to achieve the effect of editing the image illumination.
【技术实现步骤摘要】
一种基于生成对抗网络的渲染图像光照方法
本专利技术涉及深度学习神经网络
，具体涉及一种基于生成对抗网络的渲染图像光照方法。
技术介绍
生成式对抗网络(GenerativeAdversarialNetwork,简称GAN)是由Goodfellow在2014年提出的深度学习框架，它基于“博奕论”的思想，构造生成器(generator)和判别器(discriminator)两种模型，前者通过输入(0，1)的均匀噪声或高斯随机噪声生成图像，后者对输入的图像进行判别，确定是来自数据集的图像还是由生成器产生的图像。在传统的对抗网络模型中，判别器只是对图像数据集和生成图像做出辨别，并没有提取图像的相关信息做后续处理。在这种情况下，整个网络的训练方向比较宽泛，生成器生成图像的数据分布较为自由，没有针对性。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种基于生成对抗网络的渲染图像光照方法。本专利技术的目的可以通过采取如下技术方案达到：一种基于生成对抗网络的渲染图像光照方法，所述的渲染图像光照方法包括下列步骤：S1、构造原始生成对抗网络模型，通过生成器生成图...
【技术保护点】
一种基于生成对抗网络的渲染图像光照方法，其特征在于，所述的渲染图像光照方法包括下列步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像输入至判别器进行网络训练；S2、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、在判别器中得到图像数据集的光照数据分布；S5、将光照数据分布作线性变换之后输入生成器进行后续训练。
【技术特征摘要】
1.一种基于生成对抗网络的渲染图像光照方法，其特征在于，所述的渲染图像光照方法包括下列步骤：S1、构造原始生成对抗网络模型，通过生成器生成图像输入至判别器进行网络训练；S2、构造神经网络充当生成器与判别器的功能；S3、初始化随机噪声，输入生成器中；S4、在判别器中得到图像数据集的光照数据分布；S5、将光照数据分布作线性变换之后输入生成器进行后续训练。...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。