【技术实现步骤摘要】
一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型、方法及装置
本专利技术属于图像去噪声领域，具体涉及一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型、方法及装置。
技术介绍
基于蒙特卡洛积分(Monte-CarloSimulation)的渲染技术，由于渲染图的方差收敛需要大量的采样，因此，耗费大量的时间和计算资源。为了节省计算资源和降低渲染时间，一般采用较低采样率进行渲染得到一张有噪点的渲染图后，再采用一定的去噪技术对渲染图进行降噪，以得到一张无噪点、视觉表现较佳的渲染图。目前，比较前沿的对蒙特卡洛渲染图去噪技术多基于深度学习。用的最多的是采用卷积神经网络对蒙特卡洛渲染图进行去噪，具体以蒙特卡洛渲染图和目标无噪点图片的L1范数/L2范数损失函数作为优化回归的目标，对卷积神经网络进行训练，训练好的卷积神经模型即可以实现对蒙特卡洛渲染图去噪。Disney的“BakoS,VogelsT,McWilliamsB,etal.Kernel-predictingconvolutionalnetworksfordenoi...
【技术保护点】
1.一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型的构建方法，包括以下步骤：/n获取含有噪声的蒙特卡洛渲染图作为噪声渲染图，获取生成噪声渲染图时的辅助特征，以噪声渲染图和对应的辅助特征，以及噪声渲染图对应的目标渲染图作为一个训练样本；/n构建生成式对抗网络，所述生成式对抗网络包括/n去噪网络和判别网络，其中，所述去噪网络用于输入的噪声渲染图和辅助特征进行去噪，输出去噪渲染图，所述判别网络用于对输入的去噪渲染图和噪声渲染图对应的目标渲染图进行分类，输出分类结果；/n利用训练样本对所述生成式对抗网络的网络参数进行调优，调优结束后，以网络参数确定的去噪网络作为蒙特卡洛渲染图去噪模型。/n
【技术特征摘要】
1.一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型的构建方法，包括以下步骤：
获取含有噪声的蒙特卡洛渲染图作为噪声渲染图，获取生成噪声渲染图时的辅助特征，以噪声渲染图和对应的辅助特征，以及噪声渲染图对应的目标渲染图作为一个训练样本；
构建生成式对抗网络，所述生成式对抗网络包括
去噪网络和判别网络，其中，所述去噪网络用于输入的噪声渲染图和辅助特征进行去噪，输出去噪渲染图，所述判别网络用于对输入的去噪渲染图和噪声渲染图对应的目标渲染图进行分类，输出分类结果；
利用训练样本对所述生成式对抗网络的网络参数进行调优，调优结束后，以网络参数确定的去噪网络作为蒙特卡洛渲染图去噪模型。
2.如权利要求1所述的基于生成式对抗网络的蒙特卡洛渲染图去噪模型的构建方法，其特征在于，所述去噪网络包括：
辅助图特征提取子网络，该辅助图特征提取子网络为包括至少一个卷积层的卷积神经网络，用于对输入的辅助特征进行融合，输出辅助特征图；
渲染图特征提取子网络，该渲染图特征提取子网络为包括至少一个卷积层的卷积神经网络，用于提取噪声渲染图的特征，输出噪声特征图；
特征融合子网络，该特征融合子网络为采用残差思想，利用卷积层对辅助特征图和噪声特征图进行融合提取的神经网络。
3.如权利要求2所述的基于生成式对抗网络的蒙特卡洛渲染图去噪模型的构建方法，其特征在于，所述特征融合子网络包括：
特征融合单元，该特征融合单元用于对辅助特征图和噪声特征图进行结合，输出调制特征图，具体包括依次连接的多个辅助特征调制模块CFMResBlock、辅助特征调制节CFM以及卷积层，其中，辅助特征调制模块CFMBlock和辅助特征调制节CFM的输入为辅助特征图和上一层的输出，第一个辅助特征调制模块CFMResBlock的输入为噪声特征图和辅助特征图，卷积层的输入为辅助特征调制节CFM的输出，输出为调制特征图；
输出单元，该输出单元用于对特征提取单元输出的噪声特征图和调制单元输出的调制特征图进行特征融合，即输入为噪声特征图和调制特征图叠加后的特征图，输出为去噪渲染图。
4.如权利要求1所述的基于生成式对抗网络的蒙特卡洛渲染图去噪模型的构建方法，其特征在于，所述判别网络为卷积层、BN、激活层以及全连接层组成的网络。
5.一种基于生成式对抗网络的蒙特卡洛渲染图去噪模型，其特征在于，所述蒙特卡洛渲染图去噪模型通过权利要求1～4任一项所述的构建方法构建获得。
6.如权利要求...
【专利技术属性】
技术研发人员：唐睿，徐冰，张骏飞，
申请(专利权)人：杭州群核信息技术有限公司，
类型：发明
国别省市：浙江;33
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。