緒論

第一章 緒論

第一節 研究背景

電腦圖學繪製場景技術主要可以分為直接照明與全域照明，直接照明表示在 不經過其他物體的反射或折射之下場景中物體顯示的亮度、顏色，完全只受到 光源的影響，多被在互動式媒體中，例如：遊戲。

全域照明則能表示物體在真實光學的情況，包含光源的直接影響、加上物體 之間的反射與折射，模擬出光線的物理現象，像是柔和的陰影、湖面的光影反 射、玻璃球經過光線照射後產生的聚光效果，多被應用在電影、商業廣告中。

圖表 1 全域照明場景 photon mapping

長期以來即時的場景繪製都是使用光柵化技術，在螢幕上顯示3D 的物體影 像，可以有很快的速度，但是繪製的效果無法與光線追蹤相比，光線追蹤與路 徑追蹤能繪製出逼真的全域照明場景，但是會花費相當多的時間在計算上。

現在可以使用GPU 加速計算，讓即時光線追蹤有了開端，然而繪製擬真的

場景還是相當耗費時間，但如果使用路徑追蹤短時間內繪製出的2D 影像，以降

2

噪的方式取代3維空間計算複雜的 rendering，若以人工的方式降噪需要考慮場景 中的物體材質、陰影、光罩狀況等等，許多不同的變因，所以選擇使用針對影 像做處理的卷積神經網路。

第二節 研究目的

圖表 2 路徑追蹤法繪製 spp : Samples Per Pixel

(圖表2)使用路徑追蹤產生的全域照明影像，當取樣次數較少時，也花費較 少的時間，很多像素沒有與光源行形成連線，導致大量的雜訊，影像無法辨認 細節，當取樣次數增加時，可以看到雜訊減少，影像逐漸清晰，但是相對的當 取樣次數越多，繪製的時間也越長，所以我們希望使用低取樣頻率產生的影 像，以卷積神經網路的技術去除影像中的雜訊點，並且填上正確的顏色，透過 較少的計算量節省計算時間，並加速全域照明場景的產生。

場景影像的方法分別為光柵化與光線追蹤，光柵化的技術雖然能快速即時 的繪製出影像，但是並不真實，而光線追蹤能如同真實的相片，甚至分辨不出 是由電腦圖學繪製出，但需要花費大量的時間在計算上，近年硬體設備的進

1spp 25spp

步，GPU 平行運算的減少了光線追蹤運算的時間。

路徑追蹤技術以取樣的方式決定影像中每個pixel 的顏色，每個像素取樣1 次所產生的雜訊點讓影像模糊不清，而每個像素取樣增加到25次產生的影像則 較清晰，但相對的，計算花費的時間也更多，每秒所能畫出的影像張數也就也 跟著降低，期望能透過人工智慧的方法減少影像中的雜訊點，讓就算在短時間 內產生的場景影像也能有清晰的畫面。

依循短時間取得的少部分的資訊，預測並重建出場景影像，不僅可以節省時 間，也可以節省記憶體忽略多餘的細節資料。

第三節 論文架構

總共分為六個章節，第一章緒論:「全域照明與光柵化能達到的效果，以及目 前全域照明遇到的問題」，第二章文獻探討:「探討全域照明的演算法，OptiX 光

線追蹤引擎運算架構，近年卷積神經網路降噪研究成果」，第三章系統實作:「實

作路經追蹤演算法，建構卷積神經網路」，第四章結果分析：「分析網路性質，

測試不同場景之下的降噪效果，與蒙地卡羅較高頻率取樣的影像比較」，第五章

結論：「論文總結，卷積經網路降噪的未來發展性」，第六章:參考資料。

4