Real-time Neural Woven Fabric Rendering

这篇文章讨论了纺织品在逼真渲染中的广泛应用，而实时性能也是至关重要的。然而，由于纺织品的复杂结构和光学外观会导致锯齿和噪声，因此在实时渲染逼真的纺织品方面具有挑战性，尤其是在没有许多样本的情况下。这个问题的核心是纺织品着色模型的多尺度表示，这允许进行快速的范围查询。一些先前的神经方法以训练每种材料为代价来处理这个问题，这限制了它们的实用性。在本文中，我们提出了一种轻量级神经网络，以不同的尺度表示不同类型的纺织品。由于纺织品图案的规律性和重复性，我们的网络可以将纺织品图案和参数编码为一个小的潜在向量，这个向量稍后由一个小的解码器进行解释，从而实现不同类型纺织品的表示。通过将像素的足迹作为输入，我们的网络实现了多尺度表示。此外，由于其轻量级结构，我们的网络速度快，存储占用少。因此，我们的方法在RTX 3090上实现了近60帧每秒的纺织品渲染和编辑，显示出接近真实的质量，并且没有可见的锯齿和噪声。

如何在实时渲染中以高质量呈现纺织品？

提出了一种轻量级神经网络，能够以多尺度表示不同类型的纺织品，通过编码纺织品模式和参数为小潜在向量，再通过小解码器进行解码，实现纺织品的渲染和编辑。

该方法能够以近60帧每秒的速度在RTX 3090上呈现和编辑纺织品，质量接近真实，无明显锯齿和噪音。该网络结构轻量级，速度快，占用存储空间小。

在相关研究中，一些神经网络方法需要针对每种材料进行训练，限制了其实用性。