고품질 몬테 카를로 렌더링을 위한 심층 구성 잡음 제거

초록 우리는 잡음이 있는 몬테 카를로 렌더링을 구성 요소로 자동으로 분해하는 심층 학습 방법을 제안한다. 우리의 모델에서 신경 분해 모듈은 잡음이 있는 구성 요소와 해당 특징 맵을 예측하도록 학습하며, 이는 차례로 잡음 제거 모듈에 의해 재구성된다. 구성 요소는 렌더러에 의해 픽셀 수준에서 집계된 통계를 기반으로 예측된다. 이러한 구성 요소를 개별적으로 잡음 제거하는 것은 각 구성 요소의 잡음 신호 특성에 맞게 조정된 구성 요소별 커널을 사용할 수 있게 한다. 실험적으로 우리는 제안된 분해 모듈이 대규모 학술 및 생산 데이터 세트에서 현재의 최신 커널 예측 잡음 제거기의 잡음 제거 품질을 지속적으로 개선함을 보여준다.