元外观：用于视觉外观再现的元学习
摘要：将机器学习应用于视觉外观再现有两种主要方法：第一种是训练能够概括问题不同实例的模型，例如数据集中的不同图像。作为一次性方法，这些方法可提供快速推理，但往往在质量上存在不足。第二种方法不是训练能够概括任务的模型，而是对单个问题实例过度拟合，例如闪光图像。这些方法可提供高质量，但训练时间长。我们建议使用元学习将这两种技术端到端地结合起来：在内部循环中，我们对单个问题实例过度拟合，同时在外部循环中学习如何高效地这样做。为此，我们推导了所需的形式化，使得可以将元学习应用于广泛的视觉外观再现问题：纹理，BRDF，svBRDF，照明或场景的整个光传输。在我们的框架中分析了元学习参数对视觉外观的几个不同方面的影响，并针对不同任务提供了具体的指导。Metappearance能够以仅为过度拟合方法的一小部分运行时间提供类似质量的视觉效果，并保持一般模型的适应性。
作者：Michael Fischer, Tobias Ritschel
论文ID：2204.08993
分类：Graphics
分类简称：cs.GR
提交时间：2022-09-29