In this thesis a new approach for rendering improvement is exposed, laying the foundations for a series of future insights on the subject. The work is based on the idea that a render calculated with a local lighting technique and the same render calculated with a global illumination technique (Ray Tracing mainly), using the same illumination equation, are close in many cases, in terms of Image Quality. The render can be improved by using some informations that describe the geometry of a part of the scene (G-Buffer), generating a difference (Delta), which allows to obtain a visual improvement of the image if added to a preliminary render (the one with local lighting) . To achieve this, a CNN is presented with the assistance of a Discriminator Perceptual, following a GAN scheme. In addition, a set of tools was created specifically for the realization of the project, which allows you to build a dataset that can be used to do research on the Computer Graphics.

In questa tesi è esposto un nuovo approccio per il miglioramento del rendering, gettando le basi per una serie di approfondimenti futuri sull’argomento. Il lavoro si fonda sull’idea che un render calcolato con una tecnica di illuminazione locale e lo stesso render calcolato con una tecnica di illuminazione globale (Ray Tracing principalmente), usando la stessa equazione di illuminazione, siano vicini, in molti casi, in termini di Image Quality. Questa quindi si può migliorare utilizzando delle informazioni che descrivono la geometria della parte di scena inquadrata (G-Buffer), generando una differenza (Delta), che sommata ad un render preliminare (quello con illuminazione locale), permetta di ottenere un miglioramento visivo dell’immagine. Per realizzare tutto questo si presenta una CNN coadiuvata da un Discriminatore Percettivo, seguendo uno schema GAN. Inoltre si propone anche un set di strumenti creati appositamente per la realizzazione del progetto, che permettono di costruire un dataset che possa essere usato per fare ricerca sull’argomento toccato in questa sede.

Applicazione del Deep Learning per l'approssimazione del Ray Tracing

BROCCOLETTI, ROBERTO
2020/2021

Abstract

In this thesis a new approach for rendering improvement is exposed, laying the foundations for a series of future insights on the subject. The work is based on the idea that a render calculated with a local lighting technique and the same render calculated with a global illumination technique (Ray Tracing mainly), using the same illumination equation, are close in many cases, in terms of Image Quality. The render can be improved by using some informations that describe the geometry of a part of the scene (G-Buffer), generating a difference (Delta), which allows to obtain a visual improvement of the image if added to a preliminary render (the one with local lighting) . To achieve this, a CNN is presented with the assistance of a Discriminator Perceptual, following a GAN scheme. In addition, a set of tools was created specifically for the realization of the project, which allows you to build a dataset that can be used to do research on the Computer Graphics.
2020
2021-10-22
Application of Deep Learning for Ray Tracing approximation
In questa tesi è esposto un nuovo approccio per il miglioramento del rendering, gettando le basi per una serie di approfondimenti futuri sull’argomento. Il lavoro si fonda sull’idea che un render calcolato con una tecnica di illuminazione locale e lo stesso render calcolato con una tecnica di illuminazione globale (Ray Tracing principalmente), usando la stessa equazione di illuminazione, siano vicini, in molti casi, in termini di Image Quality. Questa quindi si può migliorare utilizzando delle informazioni che descrivono la geometria della parte di scena inquadrata (G-Buffer), generando una differenza (Delta), che sommata ad un render preliminare (quello con illuminazione locale), permetta di ottenere un miglioramento visivo dell’immagine. Per realizzare tutto questo si presenta una CNN coadiuvata da un Discriminatore Percettivo, seguendo uno schema GAN. Inoltre si propone anche un set di strumenti creati appositamente per la realizzazione del progetto, che permettono di costruire un dataset che possa essere usato per fare ricerca sull’argomento toccato in questa sede.
File in questo prodotto:
File Dimensione Formato  
Tesi_Magistrale_Broccoletti.pdf

embargo fino al 22/10/2023

Dimensione 66.8 MB
Formato Adobe PDF
66.8 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/1042