真实感渲染的非正式调研与近期热门研究分享
真实感渲染的非正式调研与近期热门研究分享
- 1 期刊
- 1 Top
- 2 Venues
- 2 Rendering Reserach
- 1 Material
- 2 BRDF
- 3 Appearance Modeling
- 4 Capture
- 5 Light Transport光线传播
- 6 Differetiable Rendring-可微渲染
- 7 Ray Tracing
- 8 Denoising降噪
- 9 NeRF
- 3 VR/AR
- 4 Non-Photorealistic Rendering
- 5 AIGC
- 6 总结
- 7 问题

1 期刊
1 Top
SIGRAPH
Asia SIGRAPH
TOG
2 Venues

2 Rendering Reserach




NeRF-叫神经渲染,

今年的研究工作那些工作可以看:

1 Material

表示与压缩






2 BRDF


3 Appearance Modeling


4 Capture

5 Light Transport光线传播

目前新的方法都是神经网络来做。




6 Differetiable Rendring-可微渲染
两个老师在做



7 Ray Tracing





8 Denoising降噪


自己多设计点东西,神经网络少跑点,只要不是表面都特别糊,比如毛发边缘就特别糊。
9 NeRF
只是描述特殊光照下是什么样子2


3 VR/AR

4 Non-Photorealistic Rendering

很难验证,不好实现,IP保护
5 AIGC
长期共存,互惠互利。
很慢,得好几s才能成一张图,
恐怖谷效应

6 总结
这是最好的时代,最坏的时代,

7 问题
问题1:经典实时/离线渲染还有哪些急待解决的问题?是否应转向一些新的几何表达方式?当硬件光追性能再提升一到两个数量级之后,传统渲染领域的发展是不是基本停滞了?
实时渲染提两个数量级,也提高不到离线渲染的效果。
离线渲染早就几万个。硬件发展到更好的时候,人们会追求更好的效果。
算力取代不了算法, 靠算力解决问题是不对的。
补充一点:解决那些问题,nerf就是一个尝试,几何问题就是挺大的,几何的表达需要和各个方面去结合去解决。
问题2:目前就国内的形式,渲染方向的学习方式是跟随老师在学术界发论文还是去工业界实操比较好?
学术界和工业界:
学的东西肯定不一样;
学术界提出一些天马行空的方法,学术界是需要去找问题,下一步应该要研究什么。
工业界需要立马解决这个问题。
讨论问题3:restir 之后还可能有更高效的采样方法吗,可能从哪些领域得到灵感(哪些领域面对着类似的采样问题)
光线传播就是要高效采样,解决不掉的问题:原始森林,
最后的解决方案是:path racing ,guide racing,最后pM搞定。
restir 之所以是高效,是因为结合了后续的两个工作,在于复用,而不是path.
讨论问题4:实时全局光照的未来发展方向。支持光追的游戏可以做到移动端吗?实时光线追踪技术在游戏领域目前是完全体了吗?是否还有什么提升空间呢?
是未来发展的方向,效率不行,可以,主要是降噪,屏幕小,有针对性的解决办法。
讨论问题5:基于神经网络的 NeRF 方法与 3D guassian 方法的三维重建各自的优劣势是什么?人类最终的三维重建模型会是什么形式?Nerf 有没有机会落地移动端,具体应用场景可以有哪些?如何看待各种 3D 表示在移动级硬件上落地的可行性?NeRF 相关工作,如 3D Gaussian Splatting,是否有可能在工业界实践中嵌入传统的光栅化或光追流水线中?想请问怎么看待2022 年 cvpr plenoxels 使用传统方法实现 nerf
3D 高斯是算力的问题,暴力的方法,基本单位变成是3d高斯。以前是三角网格。3D Gaussian Splatting是3d光栅化的方法。在几何表示是进行的工作,算是正向渲染的研究。是典型的vision问题。光照拆开,一定会材质拆开,现在的材质很槽糕。
讨论问题6 :Precomputed Radiance Transfer 在 neural graphic 的背景下,使用保证正交的 neural basis或者 neural fields 来完成 light 和 light transfer 的计算,在未来的应用场景有哪些?
限制在材质上,神经网络描述外观很有前景,相对少压缩多了。
讨论问题7:3D AIGC 技术成熟度如何?应用场景除了游戏、影视和动画,还在哪里?是会生成贴图或mesh等不同选择的考虑。
先生成nerf,在生成网格。
讨论问题9:"老师怎么看待波动光学渲染的理论前景和落地应用呢。波动光学在 pbr 中的应用前景如何?工程上是否存在一些近似实现波动光学性质的方法?
用波动光学来做,解波动光学可以解,但是关键问题是
理论上的分支:倾向于不解-渲染领域,另外分支是一点点的去解,空间中的场解出来-模拟仿真领域
工程上有近似的方法。
波动光学在pbr上,本质上和几何光学上没有差别。
讨论问题10:今天提到的一些新的方法对学术界工业界有什么影响和作用?
对于搞渲染的:多看电影,多打游戏是对的。
相关文章:
真实感渲染的非正式调研与近期热门研究分享
真实感渲染的非正式调研与近期热门研究分享 1 期刊1 Top2 Venues 2 Rendering Reserach1 Material2 BRDF3 Appearance Modeling4 Capture5 Light Transport光线传播6 Differetiable Rendring-可微渲染7 Ray Tracing8 Denoising降噪9 NeRF 3 VR/AR4 Non-Photorealistic Renderin…...
matlab中字符串转换为数字(str2double函数)
str2double函数 将 str 中的文本转换为双精度值。str 包含表示实数或复数值的文本。str 可以是字符向量、字符向量元胞数组或字符串数组。如果 str 是字符向量或字符串标量,则 X 是数值标量。如果 str 是字符向量元胞数组或字符串数组,则 X 是与 str 具…...
基于java的ssm框架农夫果园管理系统设计与实现
项目描述 临近学期结束,还是毕业设计,你还在做java程序网络编程,期末作业,老师的作业要求觉得大了吗?不知道毕业设计该怎么办?网页功能的数量是否太多?没有合适的类型或系统?等等。这里根据疫情当下,你想解决的问…...
ctf md5爆破
1.知道组成的字符为数字,然后知道加密后的MD5,求组成的字符 import hashlibimport stringdef crackMd5(dst):dst dst.lower()for a in range(0,10):for b in range(0,10):for c in range(0,10):for d in range(0,10):word str(a) str(b) str(c) str(d) "_heetian&q…...
不同碳化硅晶体面带来的可能性
对于非立方晶体,它们天生具有各向异性,即不同方向具有不同的性质。以碳化硅晶体面为例: 4H-SIC和6H-SIC的空间群是P63mc,点群是6mm。两者都属于六方晶系,具有各向异性。3C-SIC的空间群是F-43m,点群是-43m。…...
Kafka集群
Kafka集群 1、Kafka 概述1.1消息队列背景1.2类型1.3Kafka 定义1.4Kafka 简介 2、消息队列好处3、消息队列的模式4、Kafka 的特性5、Kafka 系统架构4、部署 kafka 集群4.1下载安装包4.2 安装 Kafka4.2.1 修改配置文件4.2.2 修改环境变量4.2.3 配置 zookeeper启动脚本4.2.4 设置…...
国腾GM8775C完全替代CS5518 MIPIDSI转2 PORT LVDS
集睿致远CS5518描述: CS5518是一款MIPI DSI输入、LVDS输出转换芯片。MIPI DSI 支持多达4个局域网,每条通道以最 大 1Gbps 的速度运行。LVDS支持18位或24位像素,25Mhz至154Mhz,采用VESA或JEIDA格 式。它只能使用单个1.8v电源&am…...
搜索与图论:匈牙利算法
将所有点分成两个集合,使得所有边只出现在集合之间,就是二分图 二分图:一定不含有奇数个点数的环;可能包含长度为偶数的环, 不一定是连通图 二分图的最大匹配: #include<iostream> #include<cs…...
明星艺人类的百度百科怎么创建 ?
明星艺人们的知名度对于其事业的成功至关重要,而作为国内最大的中文百科全书网站,百度百科成为了人们获取信息的重要来源。一线明星当然百科不用自己操心,平台和网友就给维护了,但是刚刚走红的明星艺人应提早布局百科词条…...
类EMD的“信号分解方法”及MATLAB实现(第八篇)——离散小波变换DWT(小波分解)
在之前的系列文章里,我们介绍了EEMD、CEEMD、CEEMDAN、VMD、ICEEMDAN、LMD、EWT,我们继续补完该系列。 今天要讲到的是小波分解,通常也就是指离散小波变换(Discrete Wavelet Transform, DWT)。在网上有一些介绍该方法…...
python随手小练10(南农作业题)
题目1: 编写程序,输出1~1000之间所有能被4整除,但是不能被5整除的数 具体操作: for i in range(1,1000): #循环遍历1~999,因为range是左闭右开if (i % 4 0) and (i % 5 ! 0) :print(i) 结果展示: 题目2&…...
How to install mongodb-7.0 as systemd service with podman
How to install mongodb-7.0 as systemd service with podman 1、安装1.1、创建卷1.2、配置文件1.3、创建容器1.4、服务管理1.5、容器管理 2、客户端管理 1、安装 1.1、创建卷 配置卷 podman volume create --label typemongo-7.0 --label envdev mongo-7.0-conf数据卷 pod…...
一文彻底理解python浅拷贝和深拷贝
目录 一、必备知识二、基本概念三、列表,元组,集合,字符串,字典浅拷贝3.1 列表3.2 元组3.3 集合3.4 字符串3.5 字典3.6 特别注意浅拷贝总结 四、列表,元组,集合,字符串,字典深拷贝 一…...
什么是软件的生命周期?全方位解释软件的生命周期
软件的生命周期 软件生命周期是指从软件产品的设想开始到软件不再使用而结束的时间。 如果把软件看成是有生命的事 物,那么软件的生命周期可以分成6个阶段,即需求分析、计划、设计、编码、测试、运行维护 需求分析阶段: 分析需求的可行性&…...
网络安全—小白自学
1.网络安全是什么 网络安全可以基于攻击和防御视角来分类,我们经常听到的 “红队”、“渗透测试” 等就是研究攻击技术,而“蓝队”、“安全运营”、“安全运维”则研究防御技术。 2.网络安全市场 一、是市场需求量高; 二、则是发展相对成熟…...
List 3.5 详解原码、反码、补码
前言 欢迎来到我的博客,我是雨空集(全网同名),无论你是无意中发现我,还是有意搜索而来,我都感到荣幸。这里是一个分享知识、交流想法的平台,我希望我的博客能给你带来帮助和启发。如果你喜欢我…...
数据清洗与规范化详解
数据处理流程,也称数据处理管道,是将原始数据转化为有意义的信息和知识的一系列操作步骤。它包括数据采集、清洗、转换、分析和可视化等环节,旨在提供有用的见解和决策支持。在数据可视化中数据处理是可视化展示前非常重要的一步,…...
Ansible playbook的block
环境 控制节点:Ubuntu 22.04Ansible 2.10.8管理节点:CentOS 8 block 顾名思义,通过block可以把task按逻辑划分到不同的“块”里面,实现“块操作”。此外,block还提供了错误处理功能。 task分组 下面的例子&#x…...
Jupyter Notebook还有魔术命令?太好使了
在Jupyter Notebooks中,Magic commands(以下简称魔术命令)是一组便捷的功能,旨在解决数据分析中的一些常见问题,可以使用%lsmagic 命令查看所有可用的魔术命令 插播,更多文字总结指南实用工具科技前沿动态…...
DailyRecord-231029
iOS&前端: 数组 iOS/Xcode异常:对象数组NSMutableArray添加元素-addObject,但count方法仍然返回0? - 周文 - 博客园(需要初始化) [__NSArrayI addObject:]: unrecognized selector sent to instance (检查addObj…...
利用最小二乘法找圆心和半径
#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …...
华为云AI开发平台ModelArts
华为云ModelArts:重塑AI开发流程的“智能引擎”与“创新加速器”! 在人工智能浪潮席卷全球的2025年,企业拥抱AI的意愿空前高涨,但技术门槛高、流程复杂、资源投入巨大的现实,却让许多创新构想止步于实验室。数据科学家…...
日语AI面试高效通关秘籍:专业解读与青柚面试智能助攻
在如今就业市场竞争日益激烈的背景下,越来越多的求职者将目光投向了日本及中日双语岗位。但是,一场日语面试往往让许多人感到步履维艰。你是否也曾因为面试官抛出的“刁钻问题”而心生畏惧?面对生疏的日语交流环境,即便提前恶补了…...
前端导出带有合并单元格的列表
// 导出async function exportExcel(fileName "共识调整.xlsx") {// 所有数据const exportData await getAllMainData();// 表头内容let fitstTitleList [];const secondTitleList [];allColumns.value.forEach(column > {if (!column.children) {fitstTitleL…...
1688商品列表API与其他数据源的对接思路
将1688商品列表API与其他数据源对接时,需结合业务场景设计数据流转链路,重点关注数据格式兼容性、接口调用频率控制及数据一致性维护。以下是具体对接思路及关键技术点: 一、核心对接场景与目标 商品数据同步 场景:将1688商品信息…...
在 Nginx Stream 层“改写”MQTT ngx_stream_mqtt_filter_module
1、为什么要修改 CONNECT 报文? 多租户隔离:自动为接入设备追加租户前缀,后端按 ClientID 拆分队列。零代码鉴权:将入站用户名替换为 OAuth Access-Token,后端 Broker 统一校验。灰度发布:根据 IP/地理位写…...
镜像里切换为普通用户
如果你登录远程虚拟机默认就是 root 用户,但你不希望用 root 权限运行 ns-3(这是对的,ns3 工具会拒绝 root),你可以按以下方法创建一个 非 root 用户账号 并切换到它运行 ns-3。 一次性解决方案:创建非 roo…...
从零实现STL哈希容器:unordered_map/unordered_set封装详解
本篇文章是对C学习的STL哈希容器自主实现部分的学习分享 希望也能为你带来些帮助~ 那咱们废话不多说,直接开始吧! 一、源码结构分析 1. SGISTL30实现剖析 // hash_set核心结构 template <class Value, class HashFcn, ...> class hash_set {ty…...
css的定位(position)详解:相对定位 绝对定位 固定定位
在 CSS 中,元素的定位通过 position 属性控制,共有 5 种定位模式:static(静态定位)、relative(相对定位)、absolute(绝对定位)、fixed(固定定位)和…...
Matlab | matlab常用命令总结
常用命令 一、 基础操作与环境二、 矩阵与数组操作(核心)三、 绘图与可视化四、 编程与控制流五、 符号计算 (Symbolic Math Toolbox)六、 文件与数据 I/O七、 常用函数类别重要提示这是一份 MATLAB 常用命令和功能的总结,涵盖了基础操作、矩阵运算、绘图、编程和文件处理等…...
