基于强化学习的状态感知神经自适应采样与去噪方法,用于实时路径追踪
原文中文,约300字,阅读约需1分钟。发表于: 。通过强化学习优化重要性采样网络,将采样的值输入潜在空间编码器,最终训练一个神经去噪器,该方法在多个数据集上提高了视觉质量,使渲染时间比现有技术提高了 1.6 倍,成为实时应用的有希望的解决方案。
本文提出了一种使用扩散概率模型的图像合成方法,通过与Langevin动力学的去噪得分匹配进行训练,获得了高质量的结果。
通过强化学习优化重要性采样网络,将采样的值输入潜在空间编码器,最终训练一个神经去噪器,该方法在多个数据集上提高了视觉质量,使渲染时间比现有技术提高了 1.6 倍,成为实时应用的有希望的解决方案。
本文提出了一种使用扩散概率模型的图像合成方法,通过与Langevin动力学的去噪得分匹配进行训练,获得了高质量的结果。