8DNA：分布学習による8Dニューラル・アセット・ライト・トランスポート

要旨: 高忠実度な3Dアセットは、半透過散乱（subsurface scattering）、光沢のある相互反射（glossy interreflections）、微細なファイバー散乱（fine-scale fiber scatterings）のような興味深いグローバルイルミネーション効果を示し、これらはしばしば長い散乱経路を伴うため、シミュレーションが高コストになりがちです。そこで本研究では、光輸送効果をニューラル表現へ事前焼き込みするための8次元ニューラルアセット（8DNA）を導入します。従来法が遠方界の照明を仮定し、光輸送を6次元の関数に事前計算するのとは異なり、8DNAは8次元の光輸送全体を学習することで、近傍界照明下での正確なレンダリングを可能にします。本研究の学習では、順方向のパストレースされたサンプルから光輸送を学習する分布学習（distribution-learning）による定式化を用い、その結果、先行する回帰ベースの手法と比べて、学習予算が小さくても最適化の分散が小さくなります。実験により、提案する8DNAのレンダリングは、さまざまなシーン構成においてパストレース結果と非常に密に一致することが示されますが、一方で、困難なアセットに対しては、分散低減が改善され、かつ高速な推論を達成します。