科研之友
微信
新浪微博
Facebook
分享链接
摘要
<正>传统的蒙特卡洛渲染只有在采样数无限大时，才能得出无偏的渲染图像。因此，利用神经网络对低采样率的渲染图像进行降噪处理成为应用最普遍的研究方案之一。但就目前来看，该研究方案仍存在难以重构图像高频细节等不足。为此，本文提出GAN（循环神经网络）与RNN（生成对抗网络）的新型组合结构，其不仅包含用于高效提取辅助特征的注意力机制，还包含由粗糙到细致地对图像进行降噪处理的两阶段顺序算法。经验证，与现有降噪模型相比，本文所提出的模型和操作方法能够保留更多图像高频细节，并在增强网络鲁棒性的同时，维持图像序列帧在时域上的稳定性。
- 单位
