[发明专利]一种基于示例的三维纹理过程生成模型优化方法

权利要求书

1.一种基于示例的三维纹理过程生成模型优化方法，其特征在于，包括以下步骤：

步骤一：以节点图形式输入基于程序规则的纹理过程生成模型，将该模型输出的三维目标纹理与预先准备的场景数据结合，经过可微渲染得到表示物体外观的图像；

步骤二：将步骤一得到的外观图像和示例图像一起输入风格损失函数中，并基于该损失函数值对生成模型中的参数进行数值优化；

步骤三：在步骤二中的风格损失函数中加入空间标签，降低渲染过程带来的二义性对优化效果的干扰。

2.根据权利要求1所述的外观图像计算方法，其特征在于，所述步骤一具体为：

(1.1)使用节点图来描述三维纹理的过程生成模型，并用代码生成技术对三维纹理节点图进行求值和微分；

(1.2)用蒙特卡洛方法追踪场景中的光线传输路径，从而将生成的纹理渲染为图像；对场景中的每条光线路径，不断在单位球面上随机采样散射方向，以摄像机为起点，连续基于当前散射点位置用光线追踪求出下一个散射点，在此过程中累积每个散射点处光源对该传输路径携带的辐射亮度产生的贡献；

(1.3)利用反向求导方法计算(1.2)中渲染的图像对纹理的导数；对每一条从摄像机出发的光线路径，先遍历一次该路径，记录每个顶点处的系数，遍历完成后利用这些系数计算每个顶点处来自下一个顶点的辐射亮度估计量；然后再次遍历该路径，将之前计算的辐射亮度代入链式求导法则，累积起来得到渲染图像对纹理的导数。

3.根据权利要求1所述的损失函数计算方法，其特征在于，所述步骤二通过以下子步骤来实现：

(2.1)将外观图像和示例图像分别输入用于计算机视觉任务的卷积神经网络中，提取其中的关键特征层；

(2.2)对外观图像和示例图像在某个特征层分别对应的两个特征图，将它们所有特征像素的空间位置信息抹去，形成两个包含M个N维向量的特征样本列表，其中N是特征图像素数，N是特征像素通道数；

(2.3)在N维空间中随机选取一定数量的方向向量；对每个方向向量，计算(2.2)的两个列表中的每个特征样本在该方向向量上的投影长度，得到两个长度为M的投影向量；

(2.4)将两个投影向量的元素各自从小到大排序；

(2.5)计算两个投影向量间的欧氏距离，除以总方向向量数后累加到最终的损失函数值上。

4.根据权利要求1所述的空间标签，其特征在于，所述步骤三通过以下子步骤来实现：

(3.1)将场景数据中的目标纹理替换为常值纹理，使用可微渲染将场景转换为外观图像，计算外观图像和示例图像间的平方和差异；

(3.2)基于(3.1)中计算的差异对纹理值的梯度对纹理进行梯度下降优化，将优化至收敛的常值纹理对应的外观图像作为空间标签；

(3.3)对(2.1)中获得的所有分辨率与空间标签相同的特征图，将空间标签作为额外的特征通道附加在原有的特征通道之后；

(3.4)对(2.3)中随机选取的每个方向向量(v₁,v₂,…,v_N)，将其替换为D个方向向量{(v₁,…,v_N,0,…,α_m,…,0)|m＝1,…,D},其中D是(3.2)中生成的空间标签的通道数。