【技术实现步骤摘要】
【国外来华专利技术】
本公开大体上涉及在图形环境中具有重要性采样的组合的降噪和升尺度网络。
技术介绍
1、时域消锯齿(temporal anti-aliasing，taa)是在其中渲染器逐帧地抖动相机以对屏幕空间中的不同坐标采样的消锯齿技术。taa阶段在时域上累积这些样本以产生超采样图像。在累积之前，先前累积的帧使用渲染器生成的速度/运动向量来扭曲以将其与当前帧对齐。虽然taa是用于生成时域稳定的消锯齿图像的广泛使用的技术，但是由于可见性方面的帧到帧变化以及运动向量中的遮蔽或误差，扭曲的样本历史可能失配于当前像素。这典型地导致移动对象边界周围的重影伪像。
技术实现思路
【技术保护点】
1.一种设备，包括：
2.如权利要求1所述的设备，其中，所述密度图神经网络在神经网络电路中实现，所述神经网络电路与对所述当前帧的所述采样信号执行重构过程的电路分开。
3.如权利要求1-2中任一项所述的设备，其中，所述重构过程包括降噪，作为对所述当前帧的光线追踪的一部分。
4.如权利要求1-3中任一项所述的设备，其中，由所述重构过程利用的辅助特征被用作用于所述密度图神经网络的特征，所述辅助特征包括高动态范围HDR空间中的组合照明、解调的低频照明、解调的高频照明、粗糙度、深度、法线或反照率中的至少一项。
5.如权利要求1-4中任一项所述的设备，其中，所述密度图神经网络包括U形网络体系结构。
6.如权利要求1-5中任一项所述的设备，其中，用于应用所述重新投影的样本的密度图的所述电路进一步包括用于利用所述重新投影的样本的密度图来在选择要在所述下一帧中追踪的光线时进行重要性采样的电路。
7.如权利要求1-6中任一项所述的设备，其中，所述电路进一步用于利用运动向量来重新投影所述样本的密度图。
8.如权利要求1
9.如权利要求1-8中任一项所述的设备，其中，执行所述重构过程的电路包括混合精度卷积神经网络CNN，并且其中所述密度图神经网络和所述混合精度CNN被合并以具有共同的骨架神经网络体系结构。
10.一种方法，包括：
11.根据权利要求10所述的方法，其中，所述密度图神经网络在与对所述当前帧的所述采样信号执行重构过程的重构电路分开的神经网络电路中实现，并且其中所述重构过程包括降噪，作为对所述当前帧的光线追踪的一部分。
12.如权利要求10-11中任一项所述的方法，其中，由所述重构过程利用的辅助特征被用作用于所述密度图神经网络的特征，所述辅助特征包括高动态范围HDR空间中的组合照明、解调的低频照明、解调的高频照明、粗糙度、深度、法线或反照率中的至少一项。
13.如权利要求10-12中任一项所述的方法，其中，所述密度图神经网络包括U形网络体系结构。
14.如权利要求10-13中任一项所述的方法，其中，所述密度图神经网络在神经网络电路中实现，所述神经网络电路与对所述当前帧的所述采样信号执行重构过程的重构电路组合。
15.如权利要求10-14中任一项所述的方法，其中，执行所述重构过程的电路包括混合精度卷积神经网络CNN，并且其中所述密度图神经网络和所述混合精度CNN被合并以具有共同的骨架神经网络体系结构。
16.一种系统，所述系统包括：
17.根据权利要求16所述的系统，其中，所述密度图神经网络在与对所述当前帧的所述采样信号执行重构过程的电路分开的神经网络电路中实现，并且其中所述重构过程包括降噪，作为对所述当前帧的光线追踪的一部分。
18.如权利要求16-17中任一项所述的系统，其中，由所述重构过程利用的辅助特征被用作用于所述密度图神经网络的特征，所述辅助特征包括高动态范围HDR空间中的组合照明、解调的低频照明、解调的高频照明、粗糙度、深度、法线或反照率中的至少一项。
19.如权利要求16-18中任一项所述的系统，其中，所述密度图神经网络在神经网络电路中实现，所述神经网络电路与对所述当前帧的所述采样信号执行重构过程的电路组合。
20.如权利要求16-19中任一项所述的系统，其中，执行所述重构过程的电路包括混合精度卷积神经网络CNN，并且其中所述密度图神经网络和所述混合精度CNN被合并以具有共同的骨架神经网络体系结构。
21.一种用于促进在图形环境中具有重要性采样的组合的降噪和升尺度网络的设备，所述设备包括：
22.如权利要求21所述的设备，进一步被配置用于执行如权利要求11-15中任一项所述的方法。
23.至少一种机器可读介质，包括多个指令，所述指令响应于在计算设备上被执行而使所述计算设备执行如权利要求10-15中任一项所述的方法。
...【技术特征摘要】
【国外来华专利技术】
1.一种设备，包括：
2.如权利要求1所述的设备，其中，所述密度图神经网络在神经网络电路中实现，所述神经网络电路与对所述当前帧的所述采样信号执行重构过程的电路分开。
3.如权利要求1-2中任一项所述的设备，其中，所述重构过程包括降噪，作为对所述当前帧的光线追踪的一部分。
4.如权利要求1-3中任一项所述的设备，其中，由所述重构过程利用的辅助特征被用作用于所述密度图神经网络的特征，所述辅助特征包括高动态范围hdr空间中的组合照明、解调的低频照明、解调的高频照明、粗糙度、深度、法线或反照率中的至少一项。
5.如权利要求1-4中任一项所述的设备，其中，所述密度图神经网络包括u形网络体系结构。
6.如权利要求1-5中任一项所述的设备，其中，用于应用所述重新投影的样本的密度图的所述电路进一步包括用于利用所述重新投影的样本的密度图来在选择要在所述下一帧中追踪的光线时进行重要性采样的电路。
7.如权利要求1-6中任一项所述的设备，其中，所述电路进一步用于利用运动向量来重新投影所述样本的密度图。
8.如权利要求1-7中任一项所述的设备，其中，所述密度图神经网络在神经网络电路中实现，所述神经网络电路与对所述当前帧的所述采样信号执行重构过程的电路组合。
9.如权利要求1-8中任一项所述的设备，其中，执行所述重构过程的电路包括混合精度卷积神经网络cnn，并且其中所述密度图神经网络和所述混合精度cnn被合并以具有共同的骨架神经网络体系结构。
10.一种方法，包括：
11.根据权利要求10所述的方法，其中，所述密度图神经网络在与对所述当前帧的所述采样信号执行重构过程的重构电路分开的神经网络电路中实现，并且其中所述重构过程包括降噪，作为对所述当前帧的光线追踪的一部分。
12.如权利要求10-11中任一项所述的方法，其中，由所述重构过程利用的辅助特征被用作用于所述密度图神经网络的特征，所述辅助特征包括高动态范围hdr空间中的组合照明、解调的低频照明、解调的...
【专利技术属性】
技术研发人员：D·科兹洛夫，D·塔拉卡诺夫，A·卡普拉尼扬，
申请(专利权)人：英特尔公司，
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。