몬테칼로 렌더링 노이즈 제거를 위한 듀얼 신경망 구조 설계 (Design of a Dual Network based Neural Architecture for a Cancellation of Monte Carlo Rendering Noise)

서지정보

· 발행기관 : 한국전기전자학회
· 수록지 정보 : 전기전자학회논문지 / 23권 / 4호 / 1366 ~ 1372페이지
· 저자명 : 이광엽

초록

본 논문에서는 레이 트레이싱 그래픽에서 사용되는 몬테칼로 렌더링에 포함되는 잡음을 제거하기 위해 개선된 신경망구조를 설계하였다. 몬테칼로 렌더링은 그래픽의 실감을 높이는데 가장 좋은 방법이지만 픽셀마다 수천 개 이상의 빛 효과를 계산해야 하기 때문에 렌더링 처리시간이 급격히 증가하여 실시간 처리에 큰 문제를 갖고 있다. 이 문제를 개선하기 위해 픽셀에서 사용되는 빛의 수를 줄이게 되는데 이때 렌더링 잡음이 발생하게 되고 이 잡음을 제거하기 위해 다양한 연구가 진행되어 왔다. 본 논문에서는 렌더링 잡음을 제거하는데 딥러닝을 사용하며 특히, 렌더링 이미지를 확산광과 집중광으로 분리하여이중 신경망 구조를 설계하였다. 설계결과 단일구조 신경망에 비하여 듀얼구조 신경망은 PSNR기준으로 64개 테스트 이미지에 대하여 평균 0.58db가 개선되었으며 reference image에 비하여 99.22% 빛의 수를 줄여 실시간 레이 트레이싱 렌더링을 구현하였다.

영어초록

In this paper, we designed a revised neural network to remove the Monte Carlo Rendering noise contained in the ray tracinggraphics. The Monte Carlo Rendering is the best way to enhance the graphic's realism, but because of the need to calculate more thanthousands of light effects per pixel, rendering processing time has increased rapidly, causing a major problem with real-timeprocessing. To improve this problem, the number of light used in pixels is reduced, where rendering noise occurs and various studieshave been conducted to eliminate this noise. In this paper, a deep learning is used to remove rendering noise, especially byseparating the rendering image into diffuse and specular light, so that the structure of the dual neural network isdesigned. As a result, the dual neural network improved by an average of 0.58 db for 64 test images based on PSNR,and 99.22% less light compared to reference image, enabling real-time race-tracing rendering

참고자료

· 없음