CN106251394A - 一种基于光子映射的分布式全局光照计算方法 - Google Patents
一种基于光子映射的分布式全局光照计算方法 Download PDFInfo
- Publication number
- CN106251394A CN106251394A CN201610556643.3A CN201610556643A CN106251394A CN 106251394 A CN106251394 A CN 106251394A CN 201610556643 A CN201610556643 A CN 201610556643A CN 106251394 A CN106251394 A CN 106251394A
- Authority
- CN
- China
- Prior art keywords
- node
- photon
- slave
- master node
- slave node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
- G06T15/506—Illumination models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明公开了一种基于光子映射的分布式全局光照计算方法,包括:master节点读取场景文件,进行场景数据的划分和分布式存储,master节点根据发射的光子来构建全局光子图并设置光子重叠范围;构建master节点与slave节点之间的通信;master节点将整个屏幕像素空间分成若干个block,每个block作为一个渲染任务,并以从内到外顺时针的顺序给slave节点分配渲染任务,slave节点得到master节点分配的任务后将其入队,并判定block中的每个着色点的任务归属;slave节点在每个着色点周围遍历全局光子图,收集光子得到间接光照颜色值,即渲染结果;各slave节点将渲染结果返回到master节点,master节点根据优先级对得到的所有渲染结果进行合并,最终生成渲染图片。本发明提升了渲染速度和效果。
Description
技术领域
本发明涉及图形学真实感渲染领域,具体涉及一种在Intel MIC硬件架构下对基于光子映射的分布式全局光照计算方法。
背景技术
场景渲染就是给场景着色,将场景中的灯光及对象的材质处理成图像的形式。在大规模场景的渲染中,场景数据非常庞大,为了实现优秀的全局光照,渲染时间也会很长。
全局光照,表现了直接照明和间接照明的综合效果。光线碰到拍摄对象,反射正反射光或漫反射光,这就控制了色彩、物体间相互作用的反射、折射、焦散等光效,最后演绎了现实的自然光。所以在渲染的时候,为了实现真实的场景效果,就要在渲染器中指定全局光照,全局光照有多种实现方法,例如辐射度、光线追踪、环境光遮蔽(ambient occlusion)、光子贴图、Light Probe等。当光从光源被发射出来后,碰到障碍物就反射和折射,经过无数次的反射和折射,物体表面和角落都会有光感,像真实的自然光。全局光照占内存较多。它属于间接照明,缩写为GI,全名为Global Illumination(全局光照)。
由于全局光照占用内存空间较多,现有的全局光照计算方法存在以下问题:(1)计算节点的存储负荷较大,不适用于超大场景的渲染;(2)由于采用单机进行渲染,使得对于场景渲染的速度较慢;(3)在渲染边界点的过程中未提出优化方案,可能出现渲染偏差,使得渲染结果不准确,最终导致全局光照效果不佳的问题。
发明内容
为了解决上述问题,本发明提供了一种适用于超大场景渲染的基于光子映射的分布式全局光照计算方法,该方法由单机扩展到分布式,结合通信策略和渲染优化方案,提升了渲染速度和全局光照效果。
为实现上述目的,本发明采用以下技术方案:
一种基于光子映射的分布式全局光照计算方法,其中,从光源发射的光线与场景的交点为着色点,该方法包括以下步骤:
步骤一、预处理阶段:master节点读取场景文件,进行场景数据的划分和分布式存储,master节点根据发射的光子来构建全局光子图并设置光子重叠范围;构建master节点与slave节点之间的通信;
步骤二、Path tracing直接光照阶段:master节点将整个屏幕像素空间分成若干个block,每个block作为一个渲染任务,并以从内到外顺时针的顺序给slave节点分配渲染任务,slave节点得到master节点分配的任务后将其入队,并判定block中的每个着色点的任务归属:
若当前block需要的场景数据存在于当前slave节点,则当前slave节点渲染当前block;
若当前block需要的场景数据存在于其他slave节点,则当前slave节点将当前block传给相应的slave节点,相应的slave节点得到当前block后直接渲染;
若当前block需要的场景数据同时存在于当前slave节点和其他slave节点,则当前block为边界block,则当前slave节点渲染边界block;
步骤三、Photon mapping间接光照阶段:slave节点在每个着色点周围遍历全局光子图,收集光子得到间接光照颜色值,即渲染结果;
步骤四、各slave节点将渲染结果返回到master节点,master节点根据优先级对得到的所有渲染结果进行合并,最终生成渲染图片。
在所述步骤一中,master节点读取场景文件,将场景模型信息存入三维加速结构k-d tree中。本发明根据k-d tree分割场景存储,线性地降低了单个计算节点的存储负荷,使超大场景的渲染成为可能。
在所述步骤一中,master节点与slave节点通过socket建立连接,根据slave节点数量划分场景数据。
在所述步骤一中,全局光子图中的上层节点与k-d treee进行轴向及分割轴位置的同步。
在所述步骤一中,master节点与slave节点之间采用同步通信方式。在所述步骤一中,slave节点与slave节点之间采用异步通信方式。这种同步异步搭配的方式,既保证了数据传输的稳定性,又避免过量的网络阻塞。
在所述步骤一中,对于与k-d treee,在光子重叠区域内的节点既属于左子节点又属于右子节点。本发明设置了光子重叠范围,保证了渲染结果的正确性,能够得到良好的全局光照效果。
在所述步骤二中,采用havran求交算法来判定block中的每个着色点的任务归属。
在所述步骤三中,在全局光子图中,使用knn临近算法找寻着色点周围的k个光子,收集这k个光子对着色点的影响,进而求出该着色点的间接光照颜色值,即该着色点的渲染结果;其中,k为大于等于1的整数。
在所述步骤二中,slave节点将得到的master节点分配的任务入队之前,还设置master节点分配的任务的优先级。这样可以人为地改变渲染次序,很好的保证渲染后期的并行度。
本发明的有益效果为:
(1)本发明首先采用master节点读取场景文件进行预处理操作,构建k-d tree,并进行光子映射操作同步构建全局光子图,之后根据分割平面划分场景信息,将场景几何和映射得到的全局光子图分布式存储到各个slave节点;渲染任务开始后,master节点控制总体渲染流程和通信时序,slave节点搭配进行并行渲染,判定渲染任务归属通过并通过slave之间的连接进行数据通信,再并针对任务边界的计算做出优化处理,返回渲染结果给master进行最终的合并,最后又对渲染任务的顺序作并行度调整;本发明最终降低单个slave节点存储负荷,提升渲染速度和效果,达到了效果佳的超大场景全局光照的分布式渲染。
(2)本发明由单机扩展到分布式,结合通信策略和渲染优化方案,线性地提升了渲染速度;还根据k-d tree分割场景存储,线性地降低了单个计算节点的存储负荷,使超大场景的渲染成为可能;本发明还设置了光子重叠范围,保证了渲染结果的正确性,能够得到良好的全局光照效果。
(3)本发明的master节点与slave节点之间采用同步通信方式;slave节点与slave节点之间采用异步通信方式。这种同步异步搭配的方式,既保证了数据传输的稳定性,又避免过量的网络阻塞。
附图说明
图1为本发明的基于光子映射的分布式全局光照计算方法流程图。
图2(a)为本发明的一种渲染顺序实施例。
图2(b)为本发明的另一种渲染顺序实施例。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。本发明采用分布式光子映射的方法,在网络多节点集群架构上联合渲染一张图片,需搭建cpu-based集群环境。
本发明首先采用master节点读取场景文件进行预处理操作,构建k-d tree,并进行光子映射操作同步构建全局光子图,之后根据分割平面划分场景信息,将场景几何和映射得到的全局光子图分布式存储到各个slave节点;渲染任务开始后,master节点控制总体渲染流程和通信时序,slave节点搭配进行并行渲染,判定渲染任务归属通过并通过slave之间的连接进行数据通信,再并针对任务边界的计算做出优化处理,返回渲染结果给master进行最终的合并,最后又对渲染任务的顺序作并行度调整;本发明最终降低单个slave节点存储负荷,提升渲染速度和效果,达到了效果佳的超大场景全局光照的分布式渲染。
对于一个渲染实例流程,即是将一个已经建模好的三维场景计算成图片的过程。在渲染任务开始前,将三维场景数据转化为渲染引擎可以识别的表达方式。一个包含完整信息的场景数据文件包中包含了渲染引擎可以识别的摄像机、几何体、光源、材质和贴图信息。场景准备完毕后开始渲染。
集群环境使用1个master节点和4个slave节点,搭建在阿里云服务器上,单个节点的机器配置为CPU:Intel Xeon 8核,2.3GHZ;内存:8G DDR3;千兆共享带宽局域网。
Cornell Box场景(简称Box场景)是一个简单的渲染全局光照效果的实例。如图1所示,采用本发明的基于光子映射的分布式全局光照计算方法,开始渲染后具体步骤如下:
步骤1.预处理阶段,4个slave节点监听渲染服务,master节点通过ip地址联合4个slave进行渲染。
1.1master节点读取cbox.xml场景文件,将场景中各几何组织成k-d tree的形式存储在master节点。
1.2master从灯光发射光线,在各漫发射表面交点出生成光子。并且在前两层建立与几何k-d tree相同步的光子k-d tree。同步方法如上所述,对于光子k-d tree的建立,选择和几何k-d tree相同的分割平面和分割位置。另外为了解决光子图边界问题,需要设定一个光子重叠范围,对于cornell Box场景,设置该重叠区域为分割轴位置加减50个单位,即可保证结果的无偏性。
1.3光子树和几何树在第二层将场景数据分成大致等任务量的4份,并且在空间分布上具有一致性。然后将这4份数据通过master和slave之间的同步传输分别传到4个slave节点,进行局部存储。
步骤2.Path tracing直接光照阶段:
2.1master将整个屏幕像素空间分成256个block,每个block的分辨率为32*32。按照从内到外顺时针的顺序分别传给4个slave。slave得到任务block后,首先对该block中的每个着色点进行任务归属判定:
如果渲染该block中的每个着色点所需场景数据都在本节点,则执行步骤2.2。
如果渲染该block中的每个着色点所需场景数据都不在本节点,则执行步骤2.3。
如果block中的着色点同时包含上述两种情况,则依次执行步骤2.2和步骤3。
2.2slave节点渲染当前block,之后交由步骤3进行间接光照渲染。
2.3slave节点通过异步通信将该block传给所需场景数据所在的那个slave。新的slave得到该block后,无需再判断任务归属,直接进行直接光照渲染,之后在本节点交由步骤3进行间接光照渲染。
其中,任务归属判定基于havran求交算法来实现,方法如下:
当primary ray遍历到分割存储的那一层节点时,根据Harvran算法来判断该光线有可能会遍历到哪些节点,从而判断将该任务交付于哪几个slave。Master对于各slave返回来的结果,选取优先级最高的那一个作为最终渲染结果,放入图片缓存区。
在该步骤,同样有一个优化方案:如上文所说,一个slave得到的渲染任务有两种,一种是master传过来的,一种是其他slave传过来的,下文简称master任务和slave任务。对于整个渲染过程的最后几个block:
假设是两个slave的情况,slave A中还剩下4个任务,两个来自master,两个来自slave B;slave B中还剩下一个来自slave A的任务;如果A中的两个master任务属于边界任务,在A中经过任务归属判定后仍需交给B进行第二遍的渲染。则对于图2(a)情况,总的渲染时间为A处理这四个任务的时间再加上B渲染从A中传来的block的时间,及totaltime=timeA+timeB。而如果顺序如图2(b)中所示,A处理剩下两个slave任务和B处理两个新任务这个过程是并行的,即totaltime=timeA。
针对这种情况,本发明做了如下处理:对于渲染的前3/4,不对master任务和slave任务进行区分,让渲染随着自然顺序进行。对于渲染剩下的阶段,本发明采用两个队列,一个是原来的队列,一个是master队列,对于后期进来的master任务放到新队列,并设置其优先级较高,这样可以人为地改变渲染次序,如从上图2(a)改到图2(b),可以很好的保证渲染后期的并行度。其中,图图2(a)和图2(b)中的S表示slave任务;M表示master任务。
步骤3.Photon mapping间接光照阶段:
对于光线求交到的每个交点,使用knn临近算法找寻周围的k个光子,该场景的k设为120。将这120个光子对改点的影响根据方向法向等信息做一个加权平均,作为间接光照的结果。由于在步骤1建立光子图中考虑到了边界重叠区域的问题,因此对于每个交点,只需收集本地节点存储的光子即可。
步骤4.4个slave节点各各自的渲染结果返回给master节点,master节点对于得到的每个渲染结果,根据优先级进行合并。最终生成渲染图片。
表1为4个场景在不同slave节点数量条件下渲染的数据统计信息,包括渲染时间,单个节点最大几何数量,单个节点最大光子数量和渲染差异值(MSE)。
表1 4个场景在不同slave节点数量条件下渲染的数据统计信息
光线追踪算法有着比较高的质量,而辐射着色中的Photon Mapping有着比较高的可并行性,本发明结合光线追踪算法与辐射着色中的Photon Mapping,并将其在高效能集群上给予实现。本发明的该方法对各种场景的适用性强,并能设置一些渲染参数,便于实际工程使用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于光子映射的分布式全局光照计算方法,其中,从光源发射的光线与场景的交点为着色点,其特征在于,该方法包括以下步骤:
步骤一、预处理阶段:master节点读取场景文件,进行场景数据的划分和分布式存储,master节点根据发射的光子来构建全局光子图并设置光子重叠范围;构建master节点与slave节点之间的通信;
步骤二、Path tracing直接光照阶段:master节点将整个屏幕像素空间分成若干个block,每个block作为一个渲染任务,并以从内到外顺时针的顺序给slave节点分配渲染任务,slave节点得到master节点分配的任务后将其入队,并判定block中的每个着色点的任务归属:
若当前block需要的场景数据存在于当前slave节点,则当前slave节点渲染当前block;
若当前block需要的场景数据存在于其他slave节点,则当前slave节点将当前block传给相应的slave节点,相应的slave节点得到当前block后直接渲染;
若当前block需要的场景数据同时存在于当前slave节点和其他slave节点,则当前block为边界block,则当前slave节点渲染边界block;
步骤三、Photon mapping间接光照阶段:slave节点在每个着色点周围遍历全局光子图,收集光子得到间接光照颜色值,即渲染结果;
步骤四、各slave节点将渲染结果返回到master节点,master节点根据优先级对得到的所有渲染结果进行合并,最终生成渲染图片。
2.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤一中,master节点读取场景文件,将场景模型信息存入三维加速结构k-d tree中。
3.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤一中,master节点与slave节点通过socket建立连接,根据slave节点数量划分场景数据。
4.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤一中,全局光子图中的上层节点与k-d treee进行轴向及分割轴位置的同步。
5.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤一中,master节点与slave节点之间采用同步通信方式。
6.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤一中,slave节点与slave节点之间采用异步通信方式。
7.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤一中,对于与k-d treee,在光子重叠区域内的节点既属于左子节点又属于右子节点。
8.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤二中,采用havran求交算法来判定block中的每个着色点的任务归属。
9.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤三中,在全局光子图中,使用knn临近算法找寻着色点周围的k个光子,收集这k个光子对着色点的影响,进而求出该着色点的间接光照颜色值,即该着色点的渲染结果;其中,k为大于等于1的整数。
10.如权利要求1所述的一种基于光子映射的分布式全局光照计算方法,其特征在于,在所述步骤二中,slave节点将得到的master节点分配的任务入队之前,还设置master节点分配的任务的优先级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610556643.3A CN106251394B (zh) | 2016-07-14 | 2016-07-14 | 一种基于光子映射的分布式全局光照计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610556643.3A CN106251394B (zh) | 2016-07-14 | 2016-07-14 | 一种基于光子映射的分布式全局光照计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106251394A true CN106251394A (zh) | 2016-12-21 |
CN106251394B CN106251394B (zh) | 2018-11-30 |
Family
ID=57613117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610556643.3A Active CN106251394B (zh) | 2016-07-14 | 2016-07-14 | 一种基于光子映射的分布式全局光照计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251394B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033511A (zh) * | 2019-04-19 | 2019-07-19 | 山东大学 | 区域块计算复杂度的预估方法、并行光路追踪方法及系统 |
CN110211197A (zh) * | 2019-05-29 | 2019-09-06 | 山东大学 | 一种基于多边形空间划分的光子映射优化方法、装置及系统 |
CN112764921A (zh) * | 2021-01-11 | 2021-05-07 | 山东大学 | 一种分布式光子映射方法 |
CN116612223A (zh) * | 2023-07-17 | 2023-08-18 | 金锐同创(北京)科技股份有限公司 | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090742A (zh) * | 2014-07-17 | 2014-10-08 | 北京邮电大学 | 一种基于OpenCL的并行化渐进式光子映射方法和装置 |
US20140340403A1 (en) * | 2013-05-15 | 2014-11-20 | Nvidia Corporation | System, method, and computer program product for utilizing a wavefront path tracer |
CN104200509A (zh) * | 2014-08-19 | 2014-12-10 | 山东大学 | 一种基于点缓存的光子映射加速方法 |
CN104714784A (zh) * | 2015-03-30 | 2015-06-17 | 山东大学 | 用于mic架构协处理器的光子映射并行方法 |
KR20160076803A (ko) * | 2014-12-23 | 2016-07-01 | 삼성전자주식회사 | 영상 처리 장치 및 방법 |
-
2016
- 2016-07-14 CN CN201610556643.3A patent/CN106251394B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140340403A1 (en) * | 2013-05-15 | 2014-11-20 | Nvidia Corporation | System, method, and computer program product for utilizing a wavefront path tracer |
CN104090742A (zh) * | 2014-07-17 | 2014-10-08 | 北京邮电大学 | 一种基于OpenCL的并行化渐进式光子映射方法和装置 |
CN104200509A (zh) * | 2014-08-19 | 2014-12-10 | 山东大学 | 一种基于点缓存的光子映射加速方法 |
KR20160076803A (ko) * | 2014-12-23 | 2016-07-01 | 삼성전자주식회사 | 영상 처리 장치 및 방법 |
CN104714784A (zh) * | 2015-03-30 | 2015-06-17 | 山东大学 | 用于mic架构协处理器的光子映射并行方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033511A (zh) * | 2019-04-19 | 2019-07-19 | 山东大学 | 区域块计算复杂度的预估方法、并行光路追踪方法及系统 |
CN110211197A (zh) * | 2019-05-29 | 2019-09-06 | 山东大学 | 一种基于多边形空间划分的光子映射优化方法、装置及系统 |
CN110211197B (zh) * | 2019-05-29 | 2020-10-02 | 山东大学 | 一种基于多边形空间划分的光子映射优化方法、装置及系统 |
WO2020238136A1 (zh) * | 2019-05-29 | 2020-12-03 | 山东大学 | 一种基于多边形空间划分的光子映射优化方法、装置及系统 |
CN112764921A (zh) * | 2021-01-11 | 2021-05-07 | 山东大学 | 一种分布式光子映射方法 |
CN116612223A (zh) * | 2023-07-17 | 2023-08-18 | 金锐同创(北京)科技股份有限公司 | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 |
CN116612223B (zh) * | 2023-07-17 | 2023-10-17 | 金锐同创(北京)科技股份有限公司 | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106251394B (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106251394A (zh) | 一种基于光子映射的分布式全局光照计算方法 | |
CN103514620B (zh) | 3d立体动画全流程制作云计算平台 | |
CN102812497A (zh) | 能够提供随后体验影像的影像提供装置、影像提供方法、影像提供程序 | |
CN102834849A (zh) | 进行立体视图像的描绘的图像描绘装置、图像描绘方法、图像描绘程序 | |
CN205193879U (zh) | 一种云计算渲染系统 | |
CN102866919A (zh) | 一种基于云端绘制的大规模三维场景多人协同创作方法 | |
WO2024087883A1 (zh) | 视频画面渲染方法、装置、设备和介质 | |
Yoo et al. | Real-time parallel remote rendering for mobile devices using graphics processing units | |
CN106682104A (zh) | 一种基于Web的空间数据专题图动态定制方法 | |
CN103136399A (zh) | 面向室内场景的辐射度并行绘制系统和方法 | |
JP4988042B2 (ja) | 立体画像の編集方法 | |
WO2018037976A1 (ja) | データ処理装置、データ処理方法およびコンピュータプログラム | |
CN117132699A (zh) | 一种基于计算机的云渲染系统及方法 | |
KR100939212B1 (ko) | 광선 집합을 이용한 병렬 광선 추적 방법 및 시스템 | |
KR101155564B1 (ko) | 협업적 영상 제작 관리 장치 | |
CN115937452A (zh) | 一种基于分布式计算的地图重建方法与系统 | |
WO2022121686A1 (zh) | 投影融合方法、投影融合系统及计算机可读存储介质 | |
Ge et al. | Rapid 3D modelling: Clustering method based on dynamic load balancing strategy | |
CN103927396B (zh) | 利用辅助数据在三维渲染中获得三维空间信息的查找方法 | |
Repplinger et al. | DRONE: A flexible framework for distributed rendering and display | |
CN111736791A (zh) | 一种大型表演动态舞台数字显示映射方法 | |
CN109144453A (zh) | 基于并行计算的海量信息高分辨率协同工作云平台 | |
WO2014111160A1 (en) | Device and method for rendering of moving images and set of time coded data containers | |
CN116347003B (zh) | 一种虚拟灯光实时渲染方法及装置 | |
Ohkawara et al. | Illumination-aware group portrait compositor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |