迪士尼用它來渲染云層？光線輻射預(yù)測神經(jīng)網(wǎng)絡(luò)到底強在哪？ | 2分鐘論文

本文作者： AI研習(xí)社-譯站

2018-01-29 11:19

導(dǎo)語：通過光線，就能渲染圖層

這里是，雷鋒字幕組編譯的Two minutes paper專欄，每周帶大家用碎片時間閱覽前沿技術(shù)，了解AI領(lǐng)域的最新研究成果。

原標題 Disney's AI Learns To Render Clouds | Two Minute Papers

翻譯 | 付騰校對 | 凡江整理 | 張谷鑫

?每周一篇2分鐘論文視頻解讀

本期介紹的論文是《Deep Scattering: Rendering Atmospheric Clouds with Radiance-Predicting Neural Networks》（深度散射：輻射預(yù)測神經(jīng)網(wǎng)絡(luò)渲染大氣云）。這是一篇由迪士尼公司獨立發(fā)布的論文，教你訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)，通過模擬光線過程來渲染云層。

迪士尼用它來渲染云層？光線輻射預(yù)測神經(jīng)網(wǎng)絡(luò)到底強在哪？ | 2分鐘論文

這項技術(shù)的難點在于，我們必須運行一個叫做幾何體光線路徑跟蹤的算法。這是一種用來模擬光線輻射的技術(shù)。因為在很多光線散射過程當中，光輻射并不是直接被物體表面反射，而是穿透了物體（比如這里的云層）。所以，要想建立云層物理外觀模型，關(guān)鍵是要準確地獲取云層幾何體。

迪士尼用它來渲染云層？光線輻射預(yù)測神經(jīng)網(wǎng)絡(luò)到底強在哪？ | 2分鐘論文

前提是，我們必須模擬出可能出現(xiàn)的數(shù)百次散射過程（包括其中的百萬級光線路線）。但這個計算量太龐大了。在這篇論文里，作者們提出了一個很好的混合方法：用神經(jīng)網(wǎng)絡(luò)快速學(xué)習(xí)、快速預(yù)測在散射過程中的光輻射，以節(jié)省一部分的計算量。另一部分仍然使用傳統(tǒng)算法。

云層渲染過程中，訓(xùn)練神經(jīng)網(wǎng)絡(luò)所用的數(shù)據(jù)包含了75個不同的云層。其中一部分是計算機自動生成的，另外一部分則是由藝術(shù)家繪制的，可以讓神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到多種多樣的案例。最終效果驚人，圖片的渲染時間被壓縮到了分秒級。要知道，如果用傳統(tǒng)方法來做這類渲染，即使放到計算能力超強的平臺也非常耗時。

我們也不需要再多等幾小時，來看調(diào)整之后結(jié)果是不是比之前的渲染要好。因為散射的參數(shù)也可動態(tài)調(diào)整，非常短的時間內(nèi)就可以完成了。

這項技術(shù)同樣支持不同的散射模型。所有的渲染結(jié)果都需要和真實渲染進行對比，我們可以看到它們大多數(shù)看起來和真實的沒什么兩樣。

迪士尼用它來渲染云層？光線輻射預(yù)測神經(jīng)網(wǎng)絡(luò)到底強在哪？ | 2分鐘論文

譯者注：

這篇文章的新意是對神經(jīng)網(wǎng)絡(luò)在新穎工程方面的應(yīng)用，針對的是在傳統(tǒng)云層渲染當中 in-scattered radiance prediction 這個在實際使用當中的痛點。
這個神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)是在普通的多層感知機上使用 ReLU 做激活函數(shù)，其創(chuàng)新在于構(gòu)造了一種特殊的 layer 來模擬云層當中光線散射的特性。
這種特殊的 layer 是一個二層結(jié)構(gòu)，其中輸入層相當于云層的幾何矩形圖形，然后第二層相當于內(nèi)部光線散射的范圍，整個 layer 相當于模擬了一次光線在云層內(nèi)部的散射，工作機理有些類似 CNN 內(nèi)部的filter。

論文原址 http://drz.disneyresearch.com/~jnovak/publications/DeepScattering/

更多文章，關(guān)注雷鋒網(wǎng)，添加雷鋒字幕組微信號（leiphonefansub）為好友

備注「我要加入」，To be a AI Volunteer ！雷鋒網(wǎng) 雷鋒網(wǎng)

迪士尼用它來渲染云層？光線輻射預(yù)測神經(jīng)網(wǎng)絡(luò)到底強在哪？ | 2分鐘論文