【技术实现步骤摘要】
基于U
‑
Net的BRDF贴图拼接方法
[0001]本专利技术涉及图像超分和材质渲染的
,尤其是指一种基于U
‑
Net的BRDF贴图拼接方法。
技术介绍
[0002]BRDF贴图是渲染中存储了材质属性信息的一些图像。对渲染的真实程度有着至关重要的作用。当下有许多BRDF贴图获取的研究工作,但是由于训练神经网络对显卡有着极高的要求,这些工作都停留在低分辨BRDF贴图生成的阶段,当物体面积较大时会缺失大量细节。
[0003]这个问题有两种解决方法,一是对物体局部进行BRDF贴图获取,再通过传统图像拼接方法将其拼接起来。由于传统图像拼接多针对远景图像拼接,对图像间的衔接不敏感,因此应用到近景的细纹理BRDF贴图时存在严重的接缝问题;二是对完整的物体进行BRDF贴图获取,输出结果通过超分算法恢复细节。但是这种方法依赖神经网络训练的数据分布,恢复的细节并不十分可靠。
技术实现思路
[0004]本专利技术的目的在于克服现有技术的缺点与不足,提出了一种基于U
‑
Net的BRDF贴图拼接方法,能够对大面积物体的局部进行拍摄合成整体的BRDF贴图,使之可以完整保留物体的细节信息,且避免了传统远景拼接产生的接缝问题。
[0005]为实现上述目的,本专利技术所提供的技术方案为:基于U
‑
Net的BRDF贴图拼接方法,包括以下步骤:
[0006]1)使用公开的BRDF贴图制作拼接数据集,该数据集包含真值BRDF贴图、整体渲染 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.基于U
‑
Net的BRDF贴图拼接方法,其特征在于,包括以下步骤:1)使用公开的BRDF贴图制作拼接数据集,该数据集包含真值BRDF贴图、整体渲染图像和若干局部渲染图像,其中,整体渲染图像是对材质的整体进行渲染得到的图像,局部渲染图像是对材质的某一部分进行渲染得到的图像,真值BRDF贴图是渲染时使用的BRDF贴图;2)使用公开的BRDF贴图获取算法,获得整体渲染图像和所有局部渲染图像的BRDF贴图,分别称为整体贴图和局部贴图,将所有局部贴图串连,合并成一张BRDF贴图,经过这个步骤,得到包含真值BRDF贴图、缺失细节的整体贴图、串连的局部贴图的数据集;3)使用步骤2)中获得的数据集,训练改进的U
‑
Net拼接网络,使用BRDF贴图的L1距离和整体渲染图像的L1距离作为网络训练的损失函数,改进的U
‑
Net拼接网络中具体的改进为:在主干网络中加入均值全连接,用以引入编码器的全局信息,在拼接的主干网络中另外加入一个分支,输入整体贴图,采用卷积和反卷积操作进行下采样和上采样,将特征层通过堆叠的方式引入主干网络同分辨率的特征层,使其获得对应空间上的整体贴图特征;4)应用训练好的改进的U
‑
Net拼接网络,将物体照片获取的BRDF贴图输入网络,得到具有物体细节的高分辨率整体贴图。2.根据权利要求1所述的基于U
‑
Net的BRDF贴图拼接方法,其特征在于:在步骤1)中,对材质的整体以及局部进行渲染,需要搭建虚拟渲染场景,步骤为:首先放置一个平面,将公开的BRDF贴图应用到该平面,作为被拍摄的近平面物体,然后在平面中心点上方设置面向平面的虚拟相机,调节至其视图中有完整的平面,接着在平面上方低于虚拟相机位置设置若干局部相机,调节至其视图中有局部的平面,要求所有局部相机能够还原完整平面;渲染的步骤为:对于一组BRDF贴图,包含漫反射贴图d、法线贴图n、镜面反射贴图s和光滑度贴图g,应用到搭建好的虚拟场景中,场景设置了一个整体摄像机C0和n个局部摄像机C1,C2...C
n
,其中,C
n
是第n个局部摄像机,首先将渲染视图调节为C0视图,设置整体渲染图像分辨率为现实相机分辨率P
x
×
P
y
,其中,P
x
是相机x方向的分辨率,P
y
是相机y方向的分辨率,渲染得到细节不清晰的物体整体图像R0,然后将渲染视图调节为C1视图,局部渲染图像分辨率设置为P,渲染得到具有清晰细节的局部图像R1,渲染完所有的局部相机,得到n张局部图像R1,R2...R
n
,R
n
表示第n张局部图像。3.根据权利要求2所述的基于U
‑
Net的BRDF贴图拼接方法,其特征在于,在步骤2)中,局部贴图串连的具体实施方法如下:按照虚拟相机的布局,在x方向上进行串连,场景中x方向有n
x
个相机,在y方向有n
y
个相机,则相机数量的关系表示为:n=n
x
n
y
串连使用concatenate操作,将x方向的局部贴图连续摆放在一起,全部串连后能够得到n
y
组像素为n
x
P
x
的BRDF贴图,接着在y方向进行串连,全部局部贴图串连成为一组像素为n
x
P
x
n
y
P
y
的BRDF贴图,这个串连起来的BRDF贴图称为串连贴图,它的纹理不连续,视角不统一,需要进一步使用改进的U
‑
Net拼接网络进行处理。4.根据权利要求3所述的基于U
‑
Net的BRDF贴图拼接方法,其特征在于:在步骤3)中,采用监督学习的方式,训练一个用于拼接局部贴图的改进的U
‑
Net拼接网络,输入是局部贴图串连形成的贴图和细节不清晰的完整贴图,输出是经过处理后的正确拼接的BRDF贴图;改进的U
‑
Net拼接网络具体结构是:主干网络采用U
‑
Net网络结构,同时在编码器、解码
器中间增加均值全连接结构,先获得编码器的均值,然后将均值输入到一层全连接层,该层全连接层使用SeLU激活函数,输出的神经元个数与该层编码、器解码器相同,均值全连接结构用数学公式表示为:式中,x
×
技术研发人员:黎嘉欣,冼楚华,李桂清,蔡宏民,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:
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。