[发明专利]一种基于深度学习的移动端表面光场渲染方法

权利要求书

1.一种基于深度学习的移动端表面光场渲染方法，其特征在于，包括以下步骤：

步骤S1：使用相机拍摄被渲染目标物体在固定光照环境固定位置下各个角度的采样照片；

步骤S2：使用拍摄的所述采样照片合成所述被渲染目标物体的360度环境贴图；

步骤S3：将拍摄到的所述被渲染目标物体的N张所述采样照片对齐到和所述被渲染目标物体的模型文件一致的空间坐标系下；

步骤S4：从所述被渲染目标物体的所述N张照片收集深度神经网络的训练数据，然后搭建所述深度神经网络，并训练所述深度神经网络；

步骤S5：所述网络训练好后，在移动端实现所述网络的前向过程，实时的渲染出所述被渲染目标物体在任意查看角度的表象，并且实现所述360度环境贴图的切换，得到不同渲染结果的效果。

2.如权利要求1所述的基于深度学习的移动端表面光场渲染方法，其特征在于，所述步骤S1中拍摄的照片作为对目标物体上各个点的所述表象的稀疏采样，同时在目标物体所在的位置，所述相机朝外360度均匀拍摄照片，所述拍摄照片数量为20-40张。

3.如权利要求1所述的基于深度学习的移动端表面光场渲染方法，其特征在于，所述训练数据收集中，双边反射分布函数BRDF描述出射方向的radiance和入射方向的irradiance的比例，所述双边反射分布函数BRDF分成两部分：

f_r(v_i，v_r)＝f_r，d(v_i，v_r)+f_r，s(v_i，v_r)

其中，v_i代表入射方向，v_r代表出射方向，f_r(v_i，v_r)代表BRDF整体，f_r，d(v_i，v_r)代表diffuse部分，f_r，s(v_i，v_r)代表specular部分。

4.如权利要求3所述的基于深度学习的移动端表面光场渲染方法，其特征在于，所述采样照片的渲染公式为：

L(p，υ_r)＝∫_Ωf_r(p，υ_i，υ_r)L_i(p，υ_i)n·υ_idυ_i

其中L_i(p，v_i)是从v_i方向照射到点p的radiance。

5.如权利要求4所述的基于深度学习的移动端表面光场渲染方法，其特征在于，所述采样照片的渲染公式可以根据f_r，s(v_i，v_r)＝ρ/π，其中ρ是点p的diffuse的值，将两个积分分别简化为：

L_s(p，υ_r)＝∫_ΩL_i(p，υ_i)dυ_i∫_ΩF_r，s(n，υ_i，υ_r，α，η)n·υ_idυ_i

所述L_s(p，v_r)中第一个积分由所述360度环境贴图中预先计算得到，并用SH(n)表示，同时L_d(p，v_r)中的积分也从360度环境贴图中预先计算得到，并用Pre(r)表示，深度神经网络拟合的是L_s(p，v_r)中第二个积分，用Φ(n，v_i，v_r)表示，其中n和r分别代表点p的法线方向和光线的反射方向。