[发明专利]神经网络控制变量

权利要求书

1.一种计算机实现的方法，包括：

使用第一神经网络基于输入y预测第一函数g(x,y)的第一参数积分G(y)；

使用积分到一的第二函数近似所述第一函数的形状，其中所述第二函数的参数由至少一个神经网络计算；

将所述第一函数计算为所述第一参数积分和所述第二函数的乘积；

使用所述乘积估计差分积分；

组合所述差分积分和所述第一参数积分，以估计第二参数积分F(y)的解；以及

使用所述解近似线性算子。

2.根据权利要求1所述的计算机实现的方法，其中所述第二函数是归一化流。

3.根据权利要求1所述的计算机实现的方法，其中所述第二参数积分是F(y)＝G(y)+∫f(x,y)-g(x,y)dx。

4.根据权利要求1所述的计算机实现的方法，其中组合所述乘积和所述第一参数积分包括：由参数缩放系数α(y)来缩放所述乘积和所述第一参数积分两者。

5.根据权利要求4所述的计算机实现的方法，其中所述参数缩放系数是由第二神经网络计算的，并且所述第二神经网络的权重是通过使用蒙特卡洛算法最小化估计所述差分积分的方差来获得的。

6.根据权利要求4所述的计算机实现的方法，其中所述参数缩放系数使用蒙特卡洛算法最小化估计所述差分积分的方差。

7.根据权利要求1所述的计算机实现的方法，其中所述第二参数积分F(y)表示特定输入y的光场、辐射率、强度、辐射度、辐照度、通量、光谱辐射率、场辐射率和体辐射率中的至少一个的值。

8.根据权利要求7所述的计算机实现的方法，其中所述第一神经网络的输入y是与光传输路径的顶点相关联的命中信息。

9.根据权利要求8所述的计算机实现的方法，其中：

所述线性算子生成图像；以及

所述图像表示从视点渲染的3D场景，所述方法还包括：

接收从视点到所述3D场景的光传输路径的分段的顶点，

其中所述第一神经网络和所述至少一个神经网络中的至少一个预测在所述光传输路径的顶点处的值，其中所述值用于生成所述图像。

10.根据权利要求8所述的计算机实现的方法，还包括：使用启发法来选择输入的子集，针对所述输入的子集，所述差分积分设置为零。

11.根据权利要求10所述的计算机实现的方法，其中所述启发法将所选择的阈值与在与所述输入相关联的所述顶点处的所述光传输路径的路径微分的精确或近似面积中的至少一个进行比较。

12.根据权利要求8所述的计算机实现的方法，还包括：在与所述顶点相对应的第一段处使用重要性采样来确定所述光传输路径的后续段的方向。

13.根据权利要求7所述的计算机实现的方法，其中使用光传输路径来训练所述第一神经网络和所述至少一个神经网络。

14.根据权利要求1所述的计算机实现的方法，其中使用所述输入的至少第一值来训练所述第一神经网络，所述输入包括所述输入的所述第一值和至少一个第二值。

15.根据权利要求1所述的计算机实现的方法，还包括：使用与绝对差|f(x,y)-g(x,y)|成比例的x的重要性采样来估计所述差分积分。

16.根据权利要求14所述的计算机实现的方法，其中使用由所述至少一个神经网络参数化的归一化流来执行所述重要性采样。