20、多维场景的压缩渲染技术解析

多维场景的压缩渲染技术解析

1. 引言

在渲染领域，如何高效且高质量地重建图像一直是研究的重点。本文将介绍一种基于压缩感知（Compressed Sensing，CS）的重建算法，它在处理多维场景渲染时展现出了显著的优势。

2. 实验环境与基础算法

• 实验环境 ：所有算法测试均在配备四核 3.0 GHz Intel Core2 Extreme CPU QX6850、4GB RAM 且能运行 4 线程的 Dell Precision T3400 计算机上进行。多线程技术在 LuxRender 像素采样和 Intel MKL 库求解 ROMP 算法时被使用。
• Delaunay 三角剖分插值算法 ：该算法通过对样本进行三角剖分，将样本连接成三角形网格，然后对网格中每个三角形内的缺失像素进行插值，从而实现图像的逐段线性重建，是一种表现较好的重建技术。

3. ROMP 重建算法的性能分析

3.1 时间性能

为使所提出的框架具有实用性，CS 重建步骤需快速，且耗时应少于直接暴力渲染更多像素的方法。以下是不同场景下的时间参数：
|场景|CS 步骤耗时（1024×1024 图像，75%样本，未优化 C 实现）|全帧渲染时间|CS 重建占总渲染时间比例|
|----|----|----|----|
|部分场景|约 10 分钟|6 - 15 小时|少于 2%|

从这些数据可以看出，CS 重建在总渲染时间中占比极少。相比之下，测试的修复算法计算缺失像素约需一