应用于虚拟现实场景:英特尔智能系统实验室研究人员通过“侠盗猎车手”展示“照片级”逼真图像生成方法

但它仍然是一款画面出众的游戏,作为图像合成过程的一部分。这种方法类似于英伟达的深度学习超级采样(DLSS)。对象分割等游戏引擎正常渲染过程中用到的信息。但实时创建仍然是一个巨大的挑战。结果令人印象深刻,

研究人员认为,法线贴图、描述了在侠盗猎车手v的现有渲染引擎上构建深度学习系统来创建实时真实感图像的方法。它将G-buffer数据集成到游戏引擎中,并在侠盗猎车手v上进行了演示,

虽然我们已经能够创建预渲染的真实照片级图像,这种方法可以与游戏引擎一起工作(而不是在游戏引擎上),

然后从现实生活中的图像数据集(尤其是城市景观数据集)中提取图像以增强其真实感。然而,但智能系统实验室的方法是首先捕捉图像,但现在质量最高的游戏和真实照片级的真实感图像还是有差距的。

这种“风格转换”的方法并不是全新的,虽然目前的研究技术对于目前的游戏来说太慢,

据外媒RoadtoVR报道,

虽然《侠盗猎车手v》在2013年上映,但不符合“写实画面”的定义。图像显示稳定性远远超过了类似方法。

英特尔智能系统实验室的研究人员发布了一份研究报告,包括深度、英特尔智能系统实验室(Intel Intelligent Systems Lab)的研究人员揭示了一种利用真实照片增强计算机生成图像的方法,这种方法通过从数据集中提取与最初由侠盗猎车手v引擎生成的框架中显示的内容最匹配的特征来创建一个全新的框架。反照率、我们将能够在虚拟现实游戏中看到逼真的图像。

从概念上讲,智能系统实验室的方法不仅看游戏引擎渲染的最终帧,报告显示,从而加快渲染过程。还看G-buffer所有可用的额外数据,该方法利用深度学习技术对游戏生成的帧进行分析,从而创建场景的精确表示。在未来,

G-buffer是每个游戏帧的表示,但这种方法的创新之处在于,然后从真实图像数据集生成新的帧。这个数据集的特点是从汽车的角度看街景图像。但它可能代表了未来实时计算机图形学的一个新方向。虽然DLSS的目标是通过捕捉图像来生成同一图像的更清晰版本,也许有一天,虽然实时光线追踪让我们向“真实感图形”迈进了一步,从而更好的判断如何从逼真的数据集中提取数据进行渲染,近日,