CN110738626A - 渲染图的优化方法、装置及电子设备 - Google Patents
渲染图的优化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110738626A CN110738626A CN201911020483.0A CN201911020483A CN110738626A CN 110738626 A CN110738626 A CN 110738626A CN 201911020483 A CN201911020483 A CN 201911020483A CN 110738626 A CN110738626 A CN 110738626A
- Authority
- CN
- China
- Prior art keywords
- layer
- rendering
- initial
- map
- texture
- 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
- 238000009877 rendering Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 17
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000008439 repair process Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 18
- 230000000694 effects Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
Abstract
本发明提供了一种渲染图的优化方法、装置及电子设备,涉及图像处理的技术领域,包括:获取目标场景的初始渲染图,其中,初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;对纹理图层中的斑点进行图像修复,得到目标纹理图层;基于渲染引擎合成算法,对目标纹理图层和初始图层进行何合成,得到目标渲染图,解决了现有的渲染图中出现斑点的技术问题。
Description
技术领域
本发明涉及图像处理的技术领域,尤其是涉及一种渲染图的优化方法、装置及电子设备。
背景技术
图像渲染是日常工作中常用到的技术,例如,在家装设计的时候,设计好后的方案要通过渲染引擎渲染成效果图展示给客户看最终的呈现效果,而现有技术中渲染引擎不是对所有的渲染材质都完美支持,有可能某些材质在渲染的时候会出现斑点情况,这些斑点影响渲染图的视觉效果,进而导致用户体验很差。
针对上述问题,还未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种渲染图的优化方法、装置及电子设备,以改善渲染引擎在渲染的时候出现有缺陷的斑点情况,给客户带来不好的体验的技术问题。
第一方面,本发明实施例提供的一种渲染图的优化方法,包括:获取目标场景的初始渲染图,其中,所述初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;对所述纹理图层中的斑点进行图像修复,得到目标纹理图层;基于渲染引擎合成算法,对所述目标纹理图层和所述初始图层进行何合成,得到目标渲染图。
进一步地,获取目标场景的初始渲染图,包括:根据预设分辨率和光线追踪算法对所述目标场景进行渲染,生成所述初始渲染图。
进一步地,对所述纹理图层中的斑点进行图像修复,得目标纹理图层,包括:基于预设深度神经网络和生成对抗网络对所述纹理图层中的斑点进行修复,得到所述目标纹理图层。
第二方面,本发明实施例还提供的一种渲染图的优化装置,包括:获取单元,修复单元和合成单元,其中,所述获取单元用于获取目标场景的初始渲染图,其中,所述初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;所述修复单元用于对所述纹理图层中的斑点进行图像修复,得到目标纹理图层;所述合成单元基于渲染引擎合成算法,对所述目标纹理图层和所述初始图层进行何合成,得到目标渲染图。
进一步地,所述获取单元还用于:根据预设分辨率和光线追踪算法对所述目标场景进行渲染,生成所述初始渲染图。
进一步地,所述修复单元还用于:基于预设深度神经网络和生成对抗网络对所述纹理图层中的斑点进行修复,得到所述目标纹理图层。
第三方面,本发明实施例还提供了的一种电子设备,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现如上所述的渲染图的优化方法。
第四方面,本发明实施例还提供的一种机器可读存储介质,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现如上所述的渲染图的优化方法。
在本发明实施例中,通过获取目标场景的初始渲染图,并对初始渲染图中的纹理图层的斑点进行修复,最后,对修复完成后的纹理图层与初始图层进行合成,得到目标渲染图。由于现有的渲染图出现斑点的图层是在纹理层,且其他层是正常的,通过对纹理层中的斑点进行修复比直接对结果图修复效果要好很多,因此本发明实施例通过对纹理层中的斑点进行修复,达到了对修复了渲染图中的斑点的目的,进而解决了的渲染图中出现斑点的技术问题,从而实现了对渲染图进行优化的技术效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种渲染图的优化方法的流程图;
图2为本发明实施例提供的一种渲染图的优化装置的示意图;
图3为本发明实施例提供的一种服务器的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
目前的渲染图的优化方法主要针对最终的效果图进行修复,有可能导致对有缺陷的点的误判而影响其他没有缺陷的地方,因此,对渲染效果的修复效果不是很好,给客户带来不好的体验。基于此,本发明实施例提供的一种渲染图的优化方法、装置及电子设备,使得修复效果更加细腻,进而提高渲染的效果图质量,提升客户体验。
实施例一:
根据本发明实施例,提供了一种渲染图的优化方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种渲染图的优化方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标场景的初始渲染图,其中,所述初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;
步骤S104,对所述纹理图层中的斑点进行图像修复,得到目标纹理图层;
步骤S106,基于渲染引擎合成算法,对所述目标纹理图层和所述初始图层进行何合成,得到目标渲染图。
在本发明实施例中,通过获取目标场景的初始渲染图,并对初始渲染图中的纹理图层的斑点进行修复,最后,对修复完成后的纹理图层与初始图层进行合成,得到目标渲染图。由于现有的渲染图出现斑点的图层是在纹理层,且其他层是正常的,通过对纹理层中的斑点进行修复比直接对结果图修复效果要好很多,因此本发明实施例通过对纹理层中的斑点进行修复,达到了对修复了渲染图中的斑点的目的,进而解决了的渲染图中出现斑点的技术问题,从而实现了对渲染图进行优化的技术效果。
需要说明的是,渲染引擎在渲染效果图的过程中,会生成纹理图层,漫反射层等其他的各种图层数据(即,初始图层),每一层都表示一种渲染中的数据信息,例如,纹理图层主要就表示渲染效果的纹理信息,通过分析最终效果图有缺陷的部分,发现缺陷的主要来源于纹理图层,初始图层是完好的,所以仅对纹理图层进行修复会比对最终的效果图修复影响要小很对,修复效果更好。利用修复好的纹理图层(即,目标纹理图层)和初始图层通过渲染引擎的合成算法合成最终的效果图。
在本发明实施例中,步骤S102还包括如下步骤:
步骤S11,根据预设分辨率和光线追踪算法对所述目标场景进行渲染,生成所述初始渲染图。
在本发明实施例中,为了获取到目标场景的初始渲染图,可以利用光线追踪渲染算法并根据预设分辨率,对目标场景进行渲染,从而得到初始渲染图。
需要说明的是,通过提取出初始渲染图中纹理图层,得到所需的初始纹理图。
渲染程序通过摄像机获取了需要渲染的范围(即目标场景)之后,就要计算光源对物体的影响,许多三维软件都有默认的光源,否则是看不到透视图中的着色效果的,更不要说渲染了。因此,渲染程序就是要计算在目标场景中添加的每一个光源对物体的影响,和真实世界中光源不同的是,渲染程序往往要计算大量的辅助光源。在场景中,有的光源会照射所有的物体,而有的光源只照射某个物体,使得原本简单的事情又变得复杂起来。在这之后,通过确定目标场景中是否使用了透明材质的物体计算光源投射出来的阴影,来确定是使用深度贴图阴影还是使用光线追踪阴影。另外,使用了面积光源之后,渲染程序还要计算一种特殊的阴影-软阴影(软阴影只能使用光线追踪),场景中的光源如果使用了光源特效,渲染程序还将花费更多的系统资源来计算特效的结果,特别是体积光,也称为灯光雾,它会占用大量的系统资源,使用的时候一定要注意。
然后,渲染程序还要根据物体的材质来计算物体表面的颜色,材质的类型不同,属性不同,纹理不同都会产生各种不同的效果,根据上述一系列操作之后,最终得到目标场景的初始渲染图。
在本发明实施例中,步骤S104还包括如下步骤:
步骤S21,基于预设深度神经网络和生成对抗网络对所述纹理图层中的斑点进行修复,得到所述目标纹理图层。
在本发明实施例中,根据预设的深度神经网络和生成对抗网络组成的渲染图的优化方法对有缺陷的初始渲染图的纹理图层进行修复计算,该深度神经网络渲染图的优化方法利用预先学习成组的相同场景和相同分辨率的有缺陷的图和无缺陷的图训练,学习他们直接的转换和映射关系,进行缺陷像素点和对应无缺陷的像素关系,来达到缺陷修复的效果。
实施例二:
本发明实施例还提供了一种渲染图的优化装置,该渲染图的优化装置主要用于执行本发明实施例上述内容所提供的渲染图的优化方法,以下对本发明实施例提供的渲染图的优化装置做具体介绍。
图2是根据本发明实施例的一种渲染图的优化装置的示意图,如图2所示,该装置主要包括:获取单元10,修复单元20和合成单元30。
所述获取单元10用于获取目标场景的初始渲染图,其中,所述初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;
所述修复单元20用于对所述纹理图层中的斑点进行图像修复,得到目标纹理图层;
所述合成单元30基于渲染引擎合成算法,对所述目标纹理图层和所述初始图层进行何合成,得到目标渲染图。
在本发明实施例中,通过获取目标场景的初始渲染图,并对初始渲染图中的纹理图层的斑点进行修复,最后,对修复完成后的纹理图层与初始图层进行合成,得到目标渲染图。由于现有的渲染图出现斑点的图层是在纹理层,且其他层是正常的,通过对纹理层中的斑点进行修复比直接对结果图修复效果要好很多,因此本发明实施例通过对纹理层中的斑点进行修复,达到了对修复了渲染图中的斑点的目的,进而解决了的渲染图中出现斑点的技术问题,从而实现了对渲染图进行优化的技术效果。
优选地,所述获取单元还用于:根据预设分辨率和光线追踪算法对所述目标场景进行渲染,生成所述初始渲染图。
优选地,所述修复单元还用于:基于预设深度神经网络和生成对抗网络对所述纹理图层中的斑点进行修复,得到所述目标纹理图层。
本申请还提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述错别字的监测方法中任一项所述的方法的步骤。
本申请还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行上述方法实施例中任一所述方法。
参见图3,本发明实施例还提供一种服务器100,包括:处理器50,存储器51,总线52和通信接口53,所述处理器50、通信接口53和存储器51通过总线52连接;处理器50用于执行存储器51中存储的可执行模块,例如计算机程序。
其中,存储器51可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口53(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线52可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器51用于存储程序,所述处理器50在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器50中,或者由处理器50实现。
处理器50可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器50中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器50可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器51,处理器50读取存储器51中的信息,结合其硬件完成上述方法的步骤。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种渲染图的优化方法,其特征在于,包括:
获取目标场景的初始渲染图,其中,所述初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;
对所述纹理图层中的斑点进行图像修复,得到目标纹理图层;
基于渲染引擎合成算法,对所述目标纹理图层和所述初始图层进行何合成,得到目标渲染图。
2.根据权利要求1所述的方法,其特征在于,获取目标场景的初始渲染图,包括:
根据预设分辨率和光线追踪算法对所述目标场景进行渲染,生成所述初始渲染图。
3.根据权利要求1所述的方法,其特征在于,对所述纹理图层中的斑点进行图像修复,得到目标纹理图层,包括:
基于预设深度神经网络和生成对抗网络对所述纹理图层中的斑点进行修复,得到所述目标纹理图层。
4.一种渲染图的优化装置,其特征在于,包括:获取单元,修复单元和合成单元,其中,
所述获取单元用于获取目标场景的初始渲染图,其中,所述初始渲染图包括:纹理图层和初始图层,所述初始图层为所述初始渲染图中除所述纹理图层之外的图层;
所述修复单元用于对所述纹理图层中的斑点进行图像修复,得到目标纹理图层;
所述合成单元基于渲染引擎合成算法,对所述目标纹理图层和所述初始图层进行何合成,得到目标渲染图。
5.根据权利要求4所述的装置,其特征在于,所述获取单元还用于:
根据预设分辨率和光线追踪算法对所述目标场景进行渲染,生成所述初始渲染图。
6.根据权利要求4所述的装置,其特征在于,所述修复单元还用于:
基于预设深度神经网络和生成对抗网络对所述纹理图层中的斑点进行修复,得到所述目标纹理图层。
7.一种电子设备,其特征在于,包括处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1-3任一项所述的渲染图的优化方法。
8.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1-3任一项所述的渲染图的优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911020483.0A CN110738626B (zh) | 2019-10-24 | 2019-10-24 | 渲染图的优化方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911020483.0A CN110738626B (zh) | 2019-10-24 | 2019-10-24 | 渲染图的优化方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738626A true CN110738626A (zh) | 2020-01-31 |
CN110738626B CN110738626B (zh) | 2022-06-28 |
Family
ID=69271341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911020483.0A Active CN110738626B (zh) | 2019-10-24 | 2019-10-24 | 渲染图的优化方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738626B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112070875A (zh) * | 2020-09-11 | 2020-12-11 | 网易(杭州)网络有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113554738A (zh) * | 2021-07-27 | 2021-10-26 | 广东三维家信息科技有限公司 | 全景图像展示方法、装置、电子设备及存储介质 |
CN113554746A (zh) * | 2021-07-27 | 2021-10-26 | 广东三维家信息科技有限公司 | 装修效果图生成方法、装置、电子设备及存储介质 |
WO2021228031A1 (zh) * | 2020-05-09 | 2021-11-18 | 华为技术有限公司 | 渲染方法、设备以及系统 |
CN113744379A (zh) * | 2021-08-25 | 2021-12-03 | 北京字节跳动网络技术有限公司 | 图像生成方法、装置和电子设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070229530A1 (en) * | 2006-03-29 | 2007-10-04 | Marshall Carl S | Apparatus and method for rendering a video image as a texture using multiple levels of resolution of the video image |
CN105374007A (zh) * | 2015-12-02 | 2016-03-02 | 华侨大学 | 融合骨架笔画和纹理特征的铅笔画生成方法和装置 |
US20160098820A1 (en) * | 2014-10-03 | 2016-04-07 | Raghu Kopalle | System for robust denoising of images |
CN107229905A (zh) * | 2017-05-05 | 2017-10-03 | 广州视源电子科技股份有限公司 | 嘴唇渲染颜色的方法、装置及电子设备 |
CN107240076A (zh) * | 2017-05-31 | 2017-10-10 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
CN107358241A (zh) * | 2017-06-30 | 2017-11-17 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN107527322A (zh) * | 2017-09-27 | 2017-12-29 | 杭州群核信息技术有限公司 | 渲染方法、装置、引擎及存储介质 |
CN107680042A (zh) * | 2017-09-27 | 2018-02-09 | 杭州群核信息技术有限公司 | 渲染方法、装置、引擎及存储介质 |
CN107798665A (zh) * | 2017-11-07 | 2018-03-13 | 天津大学 | 基于结构‑纹理分层的水下图像增强方法 |
CN108234985A (zh) * | 2018-03-21 | 2018-06-29 | 南阳师范学院 | 用于反向深度图渲染处理的维度变换空间下的滤波方法 |
US20180293713A1 (en) * | 2017-04-06 | 2018-10-11 | Pixar | Denoising monte carlo renderings using machine learning with importance sampling |
CN108765319A (zh) * | 2018-05-09 | 2018-11-06 | 大连理工大学 | 一种基于生成对抗网络的图像去噪方法 |
CN109685072A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 一种基于生成对抗网络的复合降质图像高质量重建方法 |
CN109993710A (zh) * | 2019-03-20 | 2019-07-09 | 西北工业大学 | 一种基于生成对抗网络的水下图像去噪方法 |
CN110223254A (zh) * | 2019-06-10 | 2019-09-10 | 大连民族大学 | 一种基于对抗生成网络的图像去噪方法 |
-
2019
- 2019-10-24 CN CN201911020483.0A patent/CN110738626B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070229530A1 (en) * | 2006-03-29 | 2007-10-04 | Marshall Carl S | Apparatus and method for rendering a video image as a texture using multiple levels of resolution of the video image |
US20160098820A1 (en) * | 2014-10-03 | 2016-04-07 | Raghu Kopalle | System for robust denoising of images |
CN105374007A (zh) * | 2015-12-02 | 2016-03-02 | 华侨大学 | 融合骨架笔画和纹理特征的铅笔画生成方法和装置 |
US20180293713A1 (en) * | 2017-04-06 | 2018-10-11 | Pixar | Denoising monte carlo renderings using machine learning with importance sampling |
CN107229905A (zh) * | 2017-05-05 | 2017-10-03 | 广州视源电子科技股份有限公司 | 嘴唇渲染颜色的方法、装置及电子设备 |
CN107240076A (zh) * | 2017-05-31 | 2017-10-10 | 北京小米移动软件有限公司 | 图像处理方法及装置 |
CN107358241A (zh) * | 2017-06-30 | 2017-11-17 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN107527322A (zh) * | 2017-09-27 | 2017-12-29 | 杭州群核信息技术有限公司 | 渲染方法、装置、引擎及存储介质 |
CN107680042A (zh) * | 2017-09-27 | 2018-02-09 | 杭州群核信息技术有限公司 | 渲染方法、装置、引擎及存储介质 |
CN107798665A (zh) * | 2017-11-07 | 2018-03-13 | 天津大学 | 基于结构‑纹理分层的水下图像增强方法 |
CN108234985A (zh) * | 2018-03-21 | 2018-06-29 | 南阳师范学院 | 用于反向深度图渲染处理的维度变换空间下的滤波方法 |
CN108765319A (zh) * | 2018-05-09 | 2018-11-06 | 大连理工大学 | 一种基于生成对抗网络的图像去噪方法 |
CN109685072A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 一种基于生成对抗网络的复合降质图像高质量重建方法 |
CN109993710A (zh) * | 2019-03-20 | 2019-07-09 | 西北工业大学 | 一种基于生成对抗网络的水下图像去噪方法 |
CN110223254A (zh) * | 2019-06-10 | 2019-09-10 | 大连民族大学 | 一种基于对抗生成网络的图像去噪方法 |
Non-Patent Citations (3)
Title |
---|
ABEER ALSAIARI等: "Image Denoising Using A Generative Adversarial Network", 《 2019 IEEE 2ND INTERNATIONAL CONFERENCE ON INFORMATION AND COMPUTER TECHNOLOGIES (ICICT)》 * |
MUNKBERG, J等: "Texture Space Caching and Reconstruction for Ray Tracing", 《ACM TRANSACTIONS ON GRAPHICS》 * |
杨红喆: "水平集理论及其在医学图像分割中的应用", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021228031A1 (zh) * | 2020-05-09 | 2021-11-18 | 华为技术有限公司 | 渲染方法、设备以及系统 |
CN112070875A (zh) * | 2020-09-11 | 2020-12-11 | 网易(杭州)网络有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN113554738A (zh) * | 2021-07-27 | 2021-10-26 | 广东三维家信息科技有限公司 | 全景图像展示方法、装置、电子设备及存储介质 |
CN113554746A (zh) * | 2021-07-27 | 2021-10-26 | 广东三维家信息科技有限公司 | 装修效果图生成方法、装置、电子设备及存储介质 |
CN113744379A (zh) * | 2021-08-25 | 2021-12-03 | 北京字节跳动网络技术有限公司 | 图像生成方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110738626B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738626A (zh) | 渲染图的优化方法、装置及电子设备 | |
CN108537861B (zh) | 贴图生成方法、装置、设备和存储介质 | |
CN109427088B (zh) | 一种模拟光照的渲染方法及终端 | |
US20210183044A1 (en) | Image processing method and apparatus, computer-readable medium, and electronic device | |
CN107680042B (zh) | 结合纹理及卷积网络的渲染方法、装置、引擎及存储介质 | |
US8970583B1 (en) | Image space stylization of level of detail artifacts in a real-time rendering engine | |
US9396585B2 (en) | Generating indirection maps for texture space effects | |
CN107705363B (zh) | 一种道路三维可视化建模方法及装置 | |
US20150187126A1 (en) | Using indirection maps for rendering texture space effects | |
CN111429566B (zh) | 虚拟家装场景的重建方法、装置及电子设备 | |
CN110148137B (zh) | 一种基于拼接的旋转显示屏的图像切割方法及系统 | |
CN112651881B (zh) | 图像合成方法、装置、设备、存储介质以及程序产品 | |
CN103377486A (zh) | 三维贴图处理方法以及装置 | |
US20170032580A1 (en) | Edge preserving color smoothing of 3d models | |
CN112581632B (zh) | 一种房源数据的处理方法和装置 | |
US10558900B2 (en) | Two-dimensional code processing method and apparatus | |
GB2531427A (en) | Graphics processing systems | |
EP4298606A1 (en) | Method and system providing temporary texture application to enhance 3d modeling | |
JP2016224610A (ja) | 描画装置、描画方法および描画プログラム | |
US9558574B2 (en) | Method and system for conflating raster and vector data | |
JPWO2020036072A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN116563674B (zh) | 样本图像增强方法、系统、电子设备及可读存储介质 | |
CN108182199B (zh) | 一种电力交易数据图形生成的方法和系统 | |
CN115861561B (zh) | 一种基于语义约束的等高线生成方法和装置 | |
US10089783B2 (en) | Graphics processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |