一种基于机器学习优化材质贴图的方法和装置制造方法及图纸

本发明专利技术提供了一种基于机器学习优化材质贴图的方法，所述方法包括：将三维模型的初始材质贴图和渲染场景绑定；使用高画质的着色器着色三维模型，生成三维模型表面材质的光照信息；对所述光照信息进行量化生成量化光照图；将所述初始材质贴图和量化光照图输入材质贴图主观信号优化模型生成材质贴图的主观信息；对所述初始材质贴图增加所述主观信息生成优化后的初始材质贴图。通过材质贴图主观信号优化模型生成优化漫反射材质贴图，低画质着色器光照模型使用优化漫反射材质贴图着色后的效果能逼近高画质着色器光照模型使用三种材质贴图着色后才能表现出的效果。贴图着色后才能表现出的效果。贴图着色后才能表现出的效果。

【技术实现步骤摘要】
一种基于机器学习优化材质贴图的方法和装置


[0001]本专利技术涉及三维模型渲染
，具体涉及一种基于机器学习优化材质贴图的方法和装置。

技术介绍

[0002]材质贴图在游戏中是必不可少的一部分美术资产，三维模型正是因为有了材质贴图才能表现出各式各样的效果，例如凹凸不平的质感和高光反射。这些材质贴图的制作需要美术人员使用相应的美术工具制作，这在整个游戏的静态资产制作中占据了大部分的时间，十分消耗美术人员的精力，并且将部分数据编码压缩到材质贴图中一直就是美术工作中必不可少的一环，但是数据编码的工作流程往往与游戏引擎内部资源处理割裂，因此在进行性能优化时，编码后的信息往往丢失严重。在进行预计算优化贴图时，信息会不可避免的产生误差和失真，但是这些失真和误差在着色输入部分并没有经过评估和矫正，这会导致低画质着色的效果和高画质着色的效果差异巨大。为了解决低画质着色效果和高画质着色效果差异巨大的问题，内容制作的美术工作者会通过总结出来的经验，对贴图绘制内容进行部分调整，在表现三维模型物理参数的材质贴图上，加入一部分主观因素的调整，让最终低画质着色器运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习优化材质贴图的方法，其特征在于，所述方法包括：将三维模型的初始材质贴图和渲染场景绑定；使用高画质的着色器着色三维模型，生成三维模型表面材质的光照信息；对所述光照信息进行量化生成量化光照图；将所述初始材质贴图和量化光照图输入材质贴图主观信号优化模型生成材质贴图的主观信息；对所述初始材质贴图增加所述主观信息生成优化后的初始材质贴图。2.根据权利要求1所述的基于机器学习优化材质贴图的方法,其特征在于，所述初始材质贴图包括：初始漫反射贴图、初始发现贴图以及初始粗糙度贴图中的一种或其组合。3.根据权利要求所述的基于机器学习优化材质贴图的方法,其特征在于，所述高画质着色器为PBR着色器。4.根据权利要求1所述的基于机器学习优化材质贴图的方法,其特征在于，所述对所述光照信息进行量化生成量化光照图包括：S1301:获取三维模型材质纹理、光照初始位置以及需量化光照数量；S1302：预编码环境光照；S1303：通过PBR着色器渲染；S1304：获得经过PBR着色后材质贴图的全局光照信息；S1305：摄像机获取三维模型纹理信息；S1306：保存纹理信息为PNG文件；S1307：判断量化光照是否完成；S1308：当所述量化光照完成时，生成量化光照图，流程结束；S1309：当所述量化光照未完成时，改变光照位置，转至步骤S1302。5.根据权利要求4所述的基于机器学习优化材质贴图的方法,其特征在于，所述步骤S1307包括：已量化光照数量等于需量化光照数量时，则判断量化光照完成。6.根据权利要求1所述的基于机器学习优化材质贴图的方法,其特征在于，所述将所述初始材质贴图和量化光照图输入材质贴图主观信号优化模型生成材质贴图的主观信息包括：所述材质贴图主观信号优化模型包括优化后的UNet模型和PatchGAN判别网络模型；所述优化后的UN...

【专利技术属性】
技术研发人员：刘琳，
申请(专利权)人：常州纺织服装职业技术学院，
类型：发明
国别省市：