|用神经网络给照片补光,谷歌这项研究却实现了「鬼片」效果( 三 )


本文插图

图 10:同时执行二次打光和视图合成的效果展示 。
性能分析
最后 , 研究者分析了 NLT 方法在不同因素下的性能表现 。 结果表明 , 随着几何结构的退化 , 该研究使用的神经渲染方法始终优于严重依赖几何图形质量的传统重投影(reprojection)方法 。 在执行二次打光时 , 研究者还证实 NLT 方法在光源数量减少时也能合理地运行 , 表明 NLT 方法也有可能适用于更小的光照平台 。
控制变量研究
如下图 13 所示 , 研究者在二次打光任务上进行了 NLT 方法的控制变量研究 。 结果显示 , 去除模型的不同组件会不同程度地降低渲染质量 。
|用神经网络给照片补光,谷歌这项研究却实现了「鬼片」效果
本文插图

失败案例
当然 , NLT 方法在视图合成时也出现了失败的案例 。 如下图 14 所示 , NLT 方法可能无法生成复杂光传输效果的真实视图 , 如脖子上所戴项链的视图 。
|用神经网络给照片补光,谷歌这项研究却实现了「鬼片」效果
本文插图


推荐阅读