CN115761099A - 图像渲染方法、装置、计算机设备、存储介质和程序产品 - Google Patents
图像渲染方法、装置、计算机设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN115761099A CN115761099A CN202211488688.3A CN202211488688A CN115761099A CN 115761099 A CN115761099 A CN 115761099A CN 202211488688 A CN202211488688 A CN 202211488688A CN 115761099 A CN115761099 A CN 115761099A
- Authority
- CN
- China
- Prior art keywords
- image
- sampling
- rendering
- information
- initial
- 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.)
- Pending
Links
- 238000009877 rendering Methods 0.000 title claims abstract description 275
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005070 sampling Methods 0.000 claims abstract description 194
- 230000033001 locomotion Effects 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Landscapes
- Image Generation (AREA)
Abstract
本申请涉及一种图像渲染方法、装置、计算机设备、存储介质和程序产品。所述方法包括：获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息，第一采样信息的个数小于预设数目阈值，再根据第一采样信息生成初始渲染图像，对初始渲染图像进行优化处理得到中间渲染图像，根据中间渲染图像和初始渲染图像得到误差图像，最后根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。因此，利用较少的采样次数就能够生成渲染图像，减少了获取渲染图像所需光线样本的耗时时长。
Description
技术领域
本申请涉及计算机图形学、光线追踪渲染技术领域，特别是涉及一种图像渲染方法、装置、计算机设备、存储介质和程序产品。
背景技术
虚拟现实技术是一种先进的、数字化的人机交互技术，其特点在于计算机产生一种人为虚拟的环境，生成一个以视觉感受为主，包括听觉、触觉的综合感知的人工环境。人们可以通过视觉、听觉、触觉等多种感觉通道感知计算机虚拟的虚拟世界，也可以通过移动、语音、动作等最自然的方式和虚拟世界交互，从而产生身临其境的体验。随着科学技术的发展，通过许多模拟设备与虚拟现实设备相结合的方式来提升沉浸感。
传统技术中，虚拟现实设备通常采用蒙特卡洛光线追踪算法得到渲染图像，蒙特卡洛算法通过近似求解的方法得到光线照射点的所有漫反射光线的积分运算结果，基于积分运算结果模拟所有种类的光线反射，并通过光线与渲染场景中的场景对象的交点，将交点处场景对象的颜色信息反馈给投影屏幕以完成对屏幕中该像素点的光线采样，最终在投影屏幕上生成渲染图像。
然而，在近似求解得到光线照射点的所有漫反射光线的积分运算过程中，需要采样大量的光线样本才能让积分收敛接近真实值，否则渲染图像会由于采样的光线样本不足而产生噪点。因此，利用蒙特卡洛光线追踪算法获取渲染图像所需光线样本的耗时较长。
发明内容
基于此，有必要针对上述技术问题，提供一种能够减少获取渲染图像所需光线样本的耗时时长的图像渲染方法、装置、计算机设备、存储介质和程序产品。
第一方面，本申请提供了一种图像渲染方法。该方法包括：
获取目标对象的位姿信息和运动信息，并根据该位姿信息和该运动信息，获取该目标对象所处的渲染场景的第一采样信息；该第一采样信息的个数小于预设数目阈值；
根据该第一采样信息生成初始渲染图像；
对该初始渲染图像进行优化处理得到中间渲染图像；
根据该中间渲染图像和该初始渲染图像得到误差图像；
根据该误差图像对该渲染场景进行采样得到第二采样信息，并根据该第二采样信息生成目标渲染图像。
在其中一个实施例中，该对该初始渲染图像进行优化处理得到中间渲染图像，包括：
根据该初始渲染图像中各像素点的颜色信息的偏导量，确定各该像素点的高斯滤波内核带宽；
根据各该像素点的高斯滤波内核带宽，对该初始渲染图像进行优化处理得到该中间渲染图像。
在其中一个实施例中，该根据该中间渲染图像和该初始渲染图像得到误差图像，包括：
确定该中间渲染图像中的各像素值与该初始渲染图像中对应的像素值之间的像素值差值；
根据该中间渲染图像中的各像素值对应的像素值差值，得到该误差图像。
在其中一个实施例中，该根据该误差图像对该渲染场景进行采样得到第二采样信息，并根据该第二采样信息生成目标渲染图像，包括：
根据该误差图像中各像素点对应的像素值差值，确定该初始渲染图像中各像素点的误差比例；
根据该初始渲染图像中各像素点的误差比例，对该渲染场景进行采样得到第二采样信息，并根据该第二采样信息生成目标渲染图像。
在其中一个实施例中，该根据该误差图像中各像素点对应的像素值差值，确定该初始渲染图像中各像素点的误差比例，包括：
确定误差图像中各像素点对应的像素值差值与该初始渲染图像中对应的像素点的像素值之间的比值；
将该初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
在其中一个实施例中，该根据该初始渲染图像中各像素点的误差比例，对该渲染场景进行采样得到第二采样信息，并根据该第二采样信息生成目标渲染图像，包括：
根据该初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定该初始渲染图像中各像素点的采样次数；
根据该初始渲染图像中各像素点的采样次数，对该渲染场景进行采样得到第二采样信息，并根据该第二采样信息生成目标渲染图像。
第二方面，本申请还提供了一种图像渲染装置。该装置包括：
获取模块，用于获取目标对象的位姿信息和运动信息，并根据该位姿信息和该运动信息，获取该目标对象所处的渲染场景的第一采样信息；该第一采样信息的个数小于预设数目阈值；
第一生成模块，用于根据该第一采样信息生成初始渲染图像；
第一确定模块，用于对该初始渲染图像进行优化处理得到中间渲染图像；
第二确定模块，用于根据该中间渲染图像和该初始渲染图像得到误差图像；
第二生成模块，用于根据该误差图像对该渲染场景进行采样得到第二采样信息，并根据该第二采样信息生成目标渲染图像。
第三方面，本申请提供了一种计算机设备，该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
第五方面，本申请提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
上述图像渲染方法、装置、计算机设备、存储介质和程序产品，首先获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息，再根据第一采样信息生成初始渲染图像，对初始渲染图像进行优化处理得到中间渲染图像，根据中间渲染图像和初始渲染图像得到误差图像，最后根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。由于根据位姿信息和运动信息先对渲染场景进行了采样得到第一采样信息，再将第一采样信息进行优化和误差计算最后得到第二采样信息，根据第二采样得到目标渲染图像，其中，第一采样信息的个数小于预设数目阈值，因此，利用较少的采样次数就能够生成渲染图像，减少了获取渲染图像所需光线样本的耗时时长。
附图说明
图1为本申请实施例提供的一种图像渲染方法的流程示意图；
图2为本申请实施例提供的一种中间渲染图像确定方法的流程示意图；
图3为本申请实施例提供的一种误差图像确定方法的流程示意图；
图4为本申请实施例提供的一种目标渲染图像确定方法的流程示意图之一；
图5为本申请实施例提供的一种误差比例确定方法的流程示意图；
图6为本申请实施例提供的一种目标渲染图像确定方法的流程示意图之二；
图7为本申请实施例提供的一种图像渲染装置的结构框图；
图8为本申请实施例提供的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
图1为本申请实施例提供的一种图像渲染方法的流程示意图，该方法应用于具有计算功能的硬件设备上，其中，具有计算功能的硬件设备包括高端的计算机设备，因此以计算机设备为例进行说明，包括以下步骤：
S101、获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息；第一采样信息的个数小于预设数目阈值。
其中，目标对象的位姿信息可以首先通过头戴式虚拟现实设备的深度传感器和红外传感器采集到视频图像(深度图像、红外图像)，再根据深度学习算法计算出目标对象的关节点位置与关节点之间的相对关系来确定。目标对象的运动信息可以通过头戴式虚拟现实设备中的陀螺仪记录的角加速度、加速度计记录的速度与加速度来确定，运动信息可以模拟目标对象自然的视角转换效果。
采样信息可以包括像素发出的光线与渲染场景中物体表面交点的颜色，预设数目阈值可根据采样次数确定，第一采样信息可以包括通过较少采样次数得到的颜色。
本申请实施例中，计算机设备获取头戴式虚拟现实设备采集到的位姿信息和运动信息，并根据位姿信息和运动信息利用蒙特卡洛光线追踪方法对目标对象所处的渲染场景进行至少一次采样，得到第一采样信息，其中，第一采样信息的个数小于预设数目阈值。
S102、根据第一采样信息生成初始渲染图像。
本申请实施例中，由于通过图像是由像素构成的，因此计算机设备可以根据较少采样次数得到的颜色(第一采样信息)，可以生成初始渲染图像。
S103、对初始渲染图像进行优化处理得到中间渲染图像。
本申请实施例中，计算机设备通过对初始渲染图像中每个像素特征空间的高斯滤波内核带宽进行优化处理，可以得到更加平滑的中间渲染图像。
需要说明的是，初始渲染图像中每一个像素点的值，都由其本身和领域内的其他像素值经过加权平均后得到，内核带宽越大，像素点本身与邻域内的其他像素值的差异也就越不明显，则渲染结果图就越平滑。反之，内核带宽越小，像素点本身与邻域内的其他像素值的差异也就越明显。
S104、根据中间渲染图像和初始渲染图像得到误差图像。
本申请实施例中，计算机设备对中间渲染图像以及初始渲染图像进行逐像素做差得到差值结果，可以把每个差值结果看作一个新的像素点的像素值，因此，通过各个差值结果可以得到新的图像，即误差图像。
S105、根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
本申请实施例中，计算机设备根据误差图像中每个像素点的误差值对渲染场景进行采样得到第二采样信息，由于第二采样信息中包括通过采样得到的像素颜色，因此可以根据第二采样信息生成目标渲染图像。
上述图像渲染方法中，首先获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息，再根据第一采样信息生成初始渲染图像，对初始渲染图像进行优化处理得到中间渲染图像，根据中间渲染图像和初始渲染图像得到误差图像，最后根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。由于根据位姿信息和运动信息先对渲染场景进行了采样得到第一采样信息，再将第一采样信息进行优化和误差计算最后得到第二采样信息，根据第二采样得到目标渲染图像，第一采样信息的个数小于预设数目阈值，因此，利用较少的采样次数就能够生成渲染图像，减少了获取渲染图像所需光线样本的耗时时长。
图2为本申请实施例提供的一种中间渲染图像确定方法的流程示意图，本实施例涉及的是如何对初始渲染图像进行优化处理得到中间渲染图像的一种可能的实现方式，在上述实施例的基础上，上述的S103包括：
S201、根据初始渲染图像中各像素点的颜色信息的偏导量，确定各像素点的高斯滤波内核带宽。
在本申请实施例中，计算机设备根据初始渲染图像中各像素点的光学三原色(RGB)颜色信息的偏导量，可以确定各像素点的高斯滤波内核带宽，R为Red的简称，指红色；G为Green的简称，指绿色；B为Blue简称，指蓝色。其中，颜色信息的偏导量越大，高斯滤波内核带宽就越大。
S202、根据各像素点的高斯滤波内核带宽，对初始渲染图像进行优化处理得到中间渲染图像。
本申请实施例中，高斯滤波内核内核带宽越大，整幅图像进行加权平均时就更容易受到邻域内的其他像素值的影响，像素点本身与邻域内的其他像素值的差异也就越不明显，则得到的结果图就越平滑，因此，计算机设备根据各像素点的高斯滤波内核带宽，可以对初始渲染图像进行优化处理得到中间渲染图像。
本实施例中，根据初始渲染图像中各像素点的颜色信息的偏导量，确定各像素点的高斯滤波内核带宽，再根据各像素点的高斯滤波内核带宽，对初始渲染图像进行优化处理得到中间渲染图像，能够得到更加平滑的中间渲染图像。
图3为本申请实施例提供的一种误差图像确定方法的流程示意图，本实施例涉及的是如何根据中间渲染图像和初始渲染图像得到误差图像的一种可能的实现方式，在上述实施例的基础上，上述的S104包括：
S301、确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值。
本申请实施例中，计算机设备可以确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值，例如对于中间渲染图像以及初始渲染图像进行逐像素做差时，可以假设中间渲染图像中某个像素点的像素值为(255，232，232)，初始渲染图像中对应的像素点的像素值为(200，200，200)，则差值结果为(55，32，32)。需要说明的是，对于更为细致的光照模型时方法会做改动。
S302、根据中间渲染图像中的各像素值对应的像素值差值，得到误差图像。
本申请实施例中，计算机设备根据中间渲染图像中的各像素值对应的像素值差值，可以把每个差值看作一个新的像素点的像素值，则通过各个差值结果可以得到误差图像。
本申请提供的误差图像确定方法，首先确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值，再根据中间渲染图像中的各像素值对应的像素值差值，得到误差图像。通过该方法确定的误差图像更加准确。
图4为本申请实施例提供的一种目标渲染图像确定方法的流程示意图之一，本实施例涉及的是如何根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像的一种可能的实现方式，在上述实施例的基础上，上述的S105包括：
S401、根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例。
本申请实施例中，计算机设备可以通过误差图像中各像素点对应的像素值差值，与初始渲染图像中对应的各像素点的像素值的比值，确定初始渲染图像中各像素点的误差比例。
S402、根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
本申请实施例中，计算机设备可以根据初始渲染图像中各像素点的误差比例以及采样次数阈值得到每个像素点的采样次数，根据每个像素点的采样次数对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
本申请实施例提供的目标渲染图像确定方法，首先根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例，再根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像，能够得到准确的像素点的误差比例，进而通过较少的采样次数得到与真实图像的更相近的目标渲染图像。
图5为本申请实施例提供的一种误差比例确定方法的流程示意图，本实施例涉及的是如何根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例的一种可能的实现方式，在上述实施例的基础上，上述的S401包括：
S501、确定误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值。
具体地，计算机设备将误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值作比较，得到误差图像中各像素点对应的像素值差值与始渲染图像中对应的像素点的像素值的比值。
S502、将初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
具体地，计算机设备将误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值，作为对应的像素点的误差比例。
本申请实施例提供的误差比例确定方法，通过确定误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值，再将初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例，能够得到准确的像素点的误差比例。
图6为本申请实施例提供的一种目标渲染图像确定方法的流程示意图之二，本实施例涉及的是如何根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像的一种可能的实现方式，在上述实施例的基础上，上述的S402包括：
S601、根据初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定初始渲染图像中各像素点的采样次数。
本申请实施例中，由于采样数量不足会导致像素值与真实颜色存在误差，因此根据初始渲染图像中各像素点的误差比例，再依照误差比例补足采样次数，就可以得到更接近真实颜色的像素值，其中，误差比例越大需要补足的采样次数越多。计算机设备根据初始渲染图像中各像素点的误差比例，得到初始渲染图像中各像素点的采样次数，其中，采样次数的上限为预设的采样次数阈值。
S602、根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
本申请实施例中，计算机设备根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到各像素发出的光线与物体表面交点的颜色，并根据这些颜色生成目标渲染图像。
本申请实施例提供的目标渲染图像确定方法，根据初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定初始渲染图像中各像素点的采样次数，再根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。通过该方法得到的目标渲染图像采用较少的采样次数，就能够得到与真实图像更相近的目标渲染图像。
可选的，渲染场景中的虚拟产品可以通过新建或导入的方式获得，还可以通过语音输入、手势识别、触摸点击等一种或多种方式的组合进行设计和选择。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的图像渲染方法的图像渲染装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像渲染装置实施例中的具体限定可以参见上文中对于图像渲染方法的限定，在此不再赘述。
图7为本申请实施例提供的一种图像渲染装置的结构框图，图像渲染装置700包括：获取模块701、第一生成模块702、第一确定模块703、第二确定模块704和第二生成模块705，其中：
获取模块701，用于获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息；第一采样信息的个数小于预设数目阈值。
第一生成模块702，用于根据第一采样信息生成初始渲染图像。
第一确定模块703，用于对初始渲染图像进行优化处理得到中间渲染图像。
第二确定模块704，用于根据中间渲染图像和初始渲染图像得到误差图像。
第二生成模块705，用于根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，第一确定模块703包括：
第一确定单元，用于根据初始渲染图像中各像素点的颜色信息的偏导量，确定各像素点的高斯滤波内核带宽。
第二确定单元，用于根据各像素点的高斯滤波内核带宽，对初始渲染图像进行优化处理得到中间渲染图像。
在一个实施例中，第二确定模块704包括：
第三确定单元，用于确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值。
第四确定单元，用于根据中间渲染图像中的各像素值对应的像素值差值，得到误差图像。
在一个实施例中，第二生成模块705包括：
第五确定单元，用于根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例。
第一生成单元，用于根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，第五确定单元包括：
第一确定子单元，用于确定误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值。
第二确定子单元，用于将初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
在一个实施例中，第五确定单元包括：
第三确定子单元，用于根据初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定初始渲染图像中各像素点的采样次数；
生成子单元，用于根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
上述图像渲染装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种图像渲染方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息；第一采样信息的个数小于预设数目阈值；
根据第一采样信息生成初始渲染图像；
对初始渲染图像进行优化处理得到中间渲染图像；
根据中间渲染图像和初始渲染图像得到误差图像；
根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据初始渲染图像中各像素点的颜色信息的偏导量，确定各像素点的高斯滤波内核带宽；
根据各像素点的高斯滤波内核带宽，对初始渲染图像进行优化处理得到中间渲染图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值；
根据中间渲染图像中的各像素值对应的像素值差值，得到误差图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例；
根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
确定误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值；
将初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定初始渲染图像中各像素点的采样次数；
根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息；第一采样信息的个数小于预设数目阈值；
根据第一采样信息生成初始渲染图像；
对初始渲染图像进行优化处理得到中间渲染图像；
根据中间渲染图像和初始渲染图像得到误差图像；
根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据初始渲染图像中各像素点的颜色信息的偏导量，确定各像素点的高斯滤波内核带宽；
根据各像素点的高斯滤波内核带宽，对初始渲染图像进行优化处理得到中间渲染图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值；
根据中间渲染图像中的各像素值对应的像素值差值，得到误差图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例；
根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值；
将初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定初始渲染图像中各像素点的采样次数；
根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取目标对象的位姿信息和运动信息，并根据位姿信息和运动信息，获取目标对象所处的渲染场景的第一采样信息；第一采样信息的个数小于预设数目阈值；
根据第一采样信息生成初始渲染图像；
对初始渲染图像进行优化处理得到中间渲染图像；
根据中间渲染图像和初始渲染图像得到误差图像；
根据误差图像对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据初始渲染图像中各像素点的颜色信息的偏导量，确定各像素点的高斯滤波内核带宽；
根据各像素点的高斯滤波内核带宽，对初始渲染图像进行优化处理得到中间渲染图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定中间渲染图像中的各像素值与初始渲染图像中对应的像素值之间的像素值差值；
根据中间渲染图像中的各像素值对应的像素值差值，得到误差图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据误差图像中各像素点对应的像素值差值，确定初始渲染图像中各像素点的误差比例；
根据初始渲染图像中各像素点的误差比例，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
确定误差图像中各像素点对应的像素值差值与初始渲染图像中对应的像素点的像素值之间的比值；
将初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定初始渲染图像中各像素点的采样次数；
根据初始渲染图像中各像素点的采样次数，对渲染场景进行采样得到第二采样信息，并根据第二采样信息生成目标渲染图像。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像渲染方法，其特征在于，所述方法包括：
获取目标对象的位姿信息和运动信息，并根据所述位姿信息和所述运动信息，获取所述目标对象所处的渲染场景的第一采样信息；所述第一采样信息的个数小于预设数目阈值；
根据所述第一采样信息生成初始渲染图像；
对所述初始渲染图像进行优化处理得到中间渲染图像；
根据所述中间渲染图像和所述初始渲染图像得到误差图像；
根据所述误差图像对所述渲染场景进行采样得到第二采样信息，并根据所述第二采样信息生成目标渲染图像。
2.根据权利要求1所述的方法，其特征在于，所述对所述初始渲染图像进行优化处理得到中间渲染图像，包括：
根据所述初始渲染图像中各像素点的颜色信息的偏导量，确定各所述像素点的高斯滤波内核带宽；
根据各所述像素点的高斯滤波内核带宽，对所述初始渲染图像进行优化处理得到所述中间渲染图像。
3.根据权利要求1所述的方法，其特征在于，所述根据所述中间渲染图像和所述初始渲染图像得到误差图像，包括：
确定所述中间渲染图像中的各像素值与所述初始渲染图像中对应的像素值之间的像素值差值；
根据所述中间渲染图像中的各像素值对应的像素值差值，得到所述误差图像。
4.根据权利要求1所述的方法，其特征在于，所述根据所述误差图像对所述渲染场景进行采样得到第二采样信息，并根据所述第二采样信息生成目标渲染图像，包括：
根据所述误差图像中各像素点对应的像素值差值，确定所述初始渲染图像中各像素点的误差比例；
根据所述初始渲染图像中各像素点的误差比例，对所述渲染场景进行采样得到第二采样信息，并根据所述第二采样信息生成目标渲染图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述误差图像中各像素点对应的像素值差值，确定所述初始渲染图像中各像素点的误差比例，包括：
确定误差图像中各像素点对应的像素值差值与所述初始渲染图像中对应的像素点的像素值之间的比值；
将所述初始渲染图像中各像素点对应的比值作为对应的像素点的误差比例。
6.根据权利要求4所述的方法，其特征在于，所述根据所述初始渲染图像中各像素点的误差比例，对所述渲染场景进行采样得到第二采样信息，并根据所述第二采样信息生成目标渲染图像，包括：
根据所述初始渲染图像中各像素点的误差比例和对应的采样次数阈值，确定所述初始渲染图像中各像素点的采样次数；
根据所述初始渲染图像中各像素点的采样次数，对所述渲染场景进行采样得到第二采样信息，并根据所述第二采样信息生成目标渲染图像。
7.一种图像渲染装置，其特征在于，所述装置包括：
获取模块，用于获取目标对象的位姿信息和运动信息，并根据所述位姿信息和所述运动信息，获取所述目标对象所处的渲染场景的第一采样信息；所述第一采样信息的个数小于预设数目阈值；
第一生成模块，用于根据所述第一采样信息生成初始渲染图像；
第一确定模块，用于对所述初始渲染图像进行优化处理得到中间渲染图像；
第二确定模块，用于根据所述中间渲染图像和所述初始渲染图像得到误差图像；
第二生成模块，用于根据所述误差图像对所述渲染场景进行采样得到第二采样信息，并根据所述第二采样信息生成目标渲染图像。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211488688.3A CN115761099A (zh) | 2022-11-25 | 2022-11-25 | 图像渲染方法、装置、计算机设备、存储介质和程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211488688.3A CN115761099A (zh) | 2022-11-25 | 2022-11-25 | 图像渲染方法、装置、计算机设备、存储介质和程序产品 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115761099A true CN115761099A (zh) | 2023-03-07 |
Family
ID=85337899
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211488688.3A Pending CN115761099A (zh) | 2022-11-25 | 2022-11-25 | 图像渲染方法、装置、计算机设备、存储介质和程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115761099A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330966A (zh) * | 2017-06-21 | 2017-11-07 | 杭州群核信息技术有限公司 | 一种渲染方法和装置 |
| CN108898061A (zh) * | 2018-05-30 | 2018-11-27 | 谭佳佳 | 一种用于实现ar的方法及系统 |
| CN114757837A (zh) * | 2021-12-23 | 2022-07-15 | 每平每屋(上海)科技有限公司 | 目标模型的渲染方法、设备及存储介质 |
-
2022
- 2022-11-25 CN CN202211488688.3A patent/CN115761099A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330966A (zh) * | 2017-06-21 | 2017-11-07 | 杭州群核信息技术有限公司 | 一种渲染方法和装置 |
| CN108898061A (zh) * | 2018-05-30 | 2018-11-27 | 谭佳佳 | 一种用于实现ar的方法及系统 |
| CN114757837A (zh) * | 2021-12-23 | 2022-07-15 | 每平每屋(上海)科技有限公司 | 目标模型的渲染方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369681B (zh) | 三维模型的重构方法、装置、设备及存储介质 | |
| WO2021169307A1 (zh) | 人脸图像的试妆处理方法、装置、计算机设备和存储介质 | |
| 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 | |
| CN107958480A (zh) | 图像渲染方法、装置及存储介质 | |
| CN110246209B (zh) | 图像处理方法及装置 | |
| WO2016018422A1 (en) | Virtual changes to a real object | |
| KR20210058320A (ko) | 단일 입력 영상을 이용한 3d 모델 생성 방법 및 이를 위한 장치 | |
| US9659404B2 (en) | Normalized diffusion profile for subsurface scattering rendering | |
| WO2024016930A1 (zh) | 特效处理方法、装置、电子设备及存储介质 | |
| CN113110731B (zh) | 媒体内容生成的方法和装置 | |
| KR20160050295A (ko) | 전자 장치 및 그의 디지털 수채 영상 재현 방법 | |
| CN115984447A (zh) | 图像渲染方法、装置、设备和介质 | |
| CN115330925A (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
| CN114842120A (zh) | 一种图像渲染处理方法、装置、设备及介质 | |
| CN113706583A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN115761099A (zh) | 图像渲染方法、装置、计算机设备、存储介质和程序产品 | |
| CN115953524A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
| WO2022022260A1 (zh) | 图像风格迁移方法及其装置 | |
| CN115487495A (zh) | 数据渲染方法以及装置 | |
| CN114972466A (zh) | 图像处理方法、装置、电子设备和可读存储介质 | |
| CN114820980A (zh) | 三维重建方法、装置、电子设备和可读存储介质 | |
| CN111612915A (zh) | 渲染对象以匹配相机噪声 | |
| Oulasvirta et al. | How real is real enough? Optimal reality sampling for fast recognition of mobile imagery | |
| Trenchev et al. | Mixed Reality-Digital Technologies And Resources For Creation Of Realistic Objects And Scenes: Their Application In Education | |
| US11670045B2 (en) | Method and apparatus for constructing a 3D geometry |
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 |