【技术实现步骤摘要】
光线追踪多帧降噪方法、电子设备、芯片及可读存储介质
[0001]本申请涉及终端
,尤其涉及一种光线追踪多帧降噪方法、电子设备、芯片及计算机可读存储介质。
技术介绍
[0002]光栅化和光线追踪(Ray Tracing,RT)是目前主流的图形渲染技术。光栅化技术发展比较成熟,与硬件的结合较为完善,是目前各种图形显卡主要支持的渲染技术,其优点是渲染速度快,适合诸如游戏等对实时性要求高的场景,缺点是渲染效果不够真实。光线追踪技术基于一定的物理原理,如光线的传播、反射、折射、能量守恒等对光线进行求解和渲染,其优点是渲染效果可以做到真实,甚至肉眼难辨的程度,缺点是渲染所需的计算量非常大。
[0003]目前光线追踪的主流实现方法由路径追踪(Path Tracing,PT)加蒙特卡洛采样来实现。因此业界常常将该实现方法等同于光线追踪。路径追踪是指将屏幕空间中的单个像素看作是一个区域,并在该区域中随机选择位置发射光线,然后基于一定的物理原理追踪该光线,最终获得颜色信息并将其赋给对应的像素。在该种方式中具有一定随机性的采样过程称为蒙特卡洛采样,所有像素发射一次光线称为一次像素采样(Sample Per Pixel,SPP)。通常对全图进行一次蒙特卡洛采样(1SPP)不能保证各个像素获得准确的颜色信息,因此1SPP的渲染结果通常充满噪音。为了得到准确的颜色信息,需要对随机采样过程进行大量的重复,并对所有的采样结果进行叠加。然而,完全依靠提高SPP数来获得高质量的渲染结果需要很大的算力。比如使用显卡Nvidia RTX 20 ...
【技术保护点】
【技术特征摘要】
1.一种光线追踪多帧降噪方法,其特征在于,包括:响应于视频片段的降噪需求,将第一降噪图像帧对齐至所述视频片段的第二图像帧;确定经过对齐处理的第一降噪图像帧的边缘缺失区域;将所述第二图像帧中与所述边缘缺失区域对应的图像信息填充至所述边缘缺失区域,以得到对齐图像帧;将所述对齐图像帧与所述第二图像帧进行通道串联,并输入至降噪网络,以对所述第二图像帧进行降噪处理得到第二降噪图像帧;其中,所述第一降噪图像帧为利用所述降噪网络对所述视频片段的第一图像帧进行降噪处理得到的图像帧,所述第一图像帧为所述第二图像帧的上N帧图像,N为正整数。2.如权利要求1所述的光线追踪多帧降噪方法,其特征在于,所述视频片段由光线追踪管线对三维模型进行渲染生成,所述光线追踪管线对所述三维模型进行渲染时还生成所述三维模型的辅助信息,所述通道串联包括下列其中一者:对所述对齐图像帧与所述第二图像帧执行通道串联;对所述对齐图像帧、所述第二图像帧及所述三维模型的辅助信息执行通道串联;其中,所述辅助信息包括下列中的至少一者:法向量信息、世界坐标信息、色彩信息、纹理信息。3.如权利要求1或2所述的光线追踪多帧降噪方法,其特征在于,所述方法还包括:从多个样本视频片段中选取一样本视频片段的第一类型的样本图像帧,其中所述样本视频片段中的每一图像帧均对应有第一类型的样本图像帧及第二类型的样本图像帧,所述第一类型的样本图像帧的每像素采样数(Sample Per Pixel,SPP)小于所述第二类型的样本图像帧的SPP;将所述样本视频片段的第一样本降噪图像帧对齐至所述样本视频片段的第一类型的第二样本图像帧;确定经过对齐处理的第一样本降噪图像帧的边缘缺失区域;将所述第一类型的第二样本图像帧中与所述边缘缺失区域对应的图像信息填充至所述边缘缺失区域,以得到样本对齐图像帧;将所述样本对齐图像帧与所述第一类型的第二样本图像帧进行通道串联,并输入至预设深度学习网络,以对所述预设深度学习网络进行降噪处理训练,其中所述第一样本降噪图像帧为利用所述预设深度学习网络对第一类型的第一样本图像帧进行降噪处理得到的图像帧,所述第一类型的第一样本图像帧为所述第一类型的第二样本图像帧的上M帧图像,M为正整数;计算所述预设深度学习网络输出的第二样本降噪图像帧与第二类型的第二样本图像帧之间的损失函数;利用所述损失函数进行梯度反传更新所述预设深度学习网络的模型参数,直至完成对所述预设深度学习网络的训练得到所述降噪网络。4.如权利要求3所述的光线追踪多帧降噪方法,其特征在于,所述样本视频片段中的每一图像帧均对应有多个第一类型的样本图像帧及一个第二类型的样本图像帧,所述多个第一类型的样本图像帧的SPP互不相同,所述方法还包括:从所述多个第一类型的样本图像帧中随机选取一样本图像帧,并与所述第二类型的样
本图像帧组合成样本数据集;其中,所述样本数据集中的第一类型的样本图像帧作为所述预设深度学习网络的训练输入数据,所述样本数据集中的第二类型的样本图像帧作为所述预设深度学习网络的标签数据。5.如权利要求3所述的光线追踪多帧降噪方法,其特征在于,所述多个样本视频片段由对三维样本模型进行渲染得到,所述对三维样本模型进行渲染时还生成所述三维样本模型的辅助信息,所述将所述样本对齐图像帧与所述第一类型的第二样本图像帧进行通道串联,包括:将所述样本对齐图像帧、所述三维样本模型的辅助信息及所述第一类型的第二样本图像帧进行通道串联。6.如权利要求3所述的光线追踪多帧降噪方法,其特征在于,所述方法还包括:对所述样本视频片段中每一图像帧进行预处理;其中,所述预处理包括将所述图像帧中的异常像素值替换为预设像素值,和/或去除所述图像帧中的贴图。7.如权利要求6所述的光线追踪多帧降噪方法,其特征在于,所述对所述样本视频片段中每一图像帧进行预处理,包括:对所述图像帧中的像素值为无穷大的像素进行置零替换;或对所述图像帧中的像素值为无穷大的像素进行最近邻插值替换。8.如权利要求3所述的光线追踪多帧降噪方法,其特征在于,所述将所述样本视频片段的第一样本降噪图像帧对齐至所述样本视频片段的第一类型的第二样本图像帧,包括:利用坐标变换确定所述样本视频片段的第一样本降噪图像帧中每一像素在所述样本视频片段的第一类型的第二样本图像帧的位置信息;利用预设图像插值算法对所述样本视频片段的第一样本降噪图像帧中发生位置变化的像素进行插值处理。9.如权利要求3所述的光线追踪多帧降噪方法,其特征在于,所述从多个样本视频片段中选取一样本视频片段的第一类型的样本图像帧,包括:缓存每一所述样本视频片段的前一样本降噪图像帧;随机从所述多个样本视频片段中选取一样本视频...
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。