RenderGAN: Enhancing Real-time Rendering Efficiency with Deep Learning

Marco Mameli

doi:10.1145/3712263

RenderGAN: Enhancing Real-time Rendering Efficiency with Deep Learning

2025-01-17

0

PRE

AI

DOI：10.1145/3712263

原文求助

摘要

En 中文

在计算机图形学领域，实时渲染中实现高视觉质量仍然是一个严峻的挑战，这源于固有的时间-质量权衡。传统的实时渲染引擎以牺牲视觉保真度为代价换取交互性能，而使用路径追踪技术的图像生成可能极其耗时。在本文中，我们介绍了RenderGAN，一种基于深度学习的解决方案，旨在解决实时渲染中的这一关键挑战。RenderGAN使用G-Buffer和实时渲染引擎的信息作为输入，生成具有卓越视觉保真度的输出图像。其编码器-解码器架构采用生成对抗网络（GAN）框架，并结合感知损失进行训练，以增强图像的真实感。为评估RenderGAN的有效性，我们定量比较了生成的图像与路径追踪引擎的图像，获得了0.898的显著通用图像质量指数（UIQI）值。RenderGAN的开源特性促进了协作，推动了实时计算机图形学和渲染技术的进步。通过弥合实时渲染与路径追踪渲染之间的差距，RenderGAN为加速图像生成开辟了新的前景，激发了创新，并释放了实时视觉体验的全部潜力。项目页面：https://github.com/marcomameli1992/RenderNet

Keyword:

Computer Graphics

Deep Learning

Generative Adversarial Networks

RenderGAN

RenderGAN: Enhancing Real-time Rendering Efficiency with Deep Learning

摘要

期刊

机构