Low-latency Space-time Supersampling for Real-time Rendering

随着实时渲染的崛起和显示设备的发展，对于能够以高帧率提供高分辨率内容的后处理方法的需求越来越大。由于帧超采样和外推的分离处理，现有技术经常遇到质量和延迟问题。本文认识到帧超采样和外推之间的共享上下文和机制，并提出了一种新的框架，即时空超采样（STSS）。通过将它们集成到一个统一的框架中，STSS可以在更低的延迟下提高整体质量。为了实现高效的架构，我们将混叠和扭曲孔统一为重新着色区域，并提出了两个关键组件来补偿这些区域，即随机重新着色掩码（RRM）和高效重新着色模块（ERM）。大量实验证明，与最先进的方法相比，我们的方法实现了更高的视觉保真度。值得注意的是，这种性能仅在4毫秒内实现，比需要17毫秒的传统两阶段流水线节省了高达75％的时间。

本文旨在解决实时渲染和显示设备发展中出现的高质量、低延迟的后处理方法问题，通过将帧超采样和外推方法整合到一个统一的框架中，提出了空时超采样（STSS）的方法。

本文的关键思路是将帧超采样和外推方法整合到一个统一的框架中，通过 Random Reshading Masking (RRM) 和 Efficient Reshading Module (ERM) 两个关键组件来弥补反走样和扭曲孔洞，从而在低延迟的情况下提高整体质量。

本文的亮点在于提出了一个高质量、低延迟的后处理方法，通过实验验证了该方法的优越性，并且在只用了4ms的情况下，比传统的两阶段管道节省了高达75%的时间。

最近在这个领域中，还有一些相关的研究，例如：《Deep Joint Demosaicking and Denoising》、《Deep Bilateral Learning for Real-Time Image Enhancement》等。