[发明专利]利用神经网络滤波图像数据

说明书

公开了用于执行时空滤波的方法、计算机可读介质和系统。该方法包括识别要渲染的图像数据，使用包括神经网络的滤波器重建图像数据以创建经重建的图像数据，所述神经网络具有一个或更多个跳跃连接和一个或更多个循环层，以及返回经重建的图像数据。

要求优先权

本申请要求2017年1月18日提交的名称为“利用循环自动编码器以及用于重建全局照明图像的时空方差引导滤波重建噪声蒙特卡洛图像序列(RECONSTRUCTION OF NOISYMONTE CARLO IMAGE SEQUENCES USING A RECURRENT AUTOENCODER AND SPATIOTEMPORALVARIANCE-GUIDED FILTERING FOR RECONSTRUCTION OF GLOBAL ILLUMINATION IMAGES)”的美国临时申请No.62/447,859(代理人案卷号NVIDP1153+/17KI0010US01)的权益，其全部内容通过引用并入本文。

技术领域

本发明涉及图像渲染，更具体地涉及在渲染过程期间对采样图像执行重建。

背景技术

利用现有技术重建噪声图像数据已被证明是具有挑战性的。例如，用于执行噪声图像数据的重建的现有实现方式是耗时的，依赖于具有相对较高样本数的图像，并且不会产生时间上稳定的结果。现有的解决方案不提供时间高效的重构方法，其能够以小的样本数处理初始图像数据，并且产生时间上稳定的结果。

因此，具有解决这些问题和/或与现有技术相关的其他问题的需求。

发明内容

公开了用于执行时空滤波的方法、计算机可读介质和系统。该方法包括识别要渲染的图像数据，重建图像数据以创建经重建的图像数据，利用包括神经网络的滤波器，所述神经网络具有一个或更多个跳跃连接和一个或更多个循环层，以及返回经重建的图像数据。

附图说明

图1示出了根据一个实施例的使用神经网络来滤波图像数据的方法的流程图；

图2示出了根据一个实施例的并行处理单元；

图3A示出了根据一个实施例的图2的并行处理单元的通用处理集群；

图3B示出了根据一个实施例的图2的并行处理单元的分区单元；

图4示出了根据一个实施例的图3A的流多处理器；

图5示出了根据一个实施例的包括图2的并行处理单元的片上系统；

图6是根据一个实施例的由图2的并行处理单元实现的图形处理管线的示意图；

图7示出了示例性系统，其中可以实现所有实施例的各种架构和/或功能；

图8示出了根据一个实施例的用于使用神经网络来重建图像数据的示例性方法的流程图；以及

图9示出了根据一个实施例的循环RCNN连接的示例性内部结构。

具体实施方式

图1示出了根据一个实施例的用于使用神经网络来滤波图像数据的方法100的流程图。如操作102所示，识别要渲染的图像数据。在一个实施例中，图像数据可以包括单个图像。在另一个实施例中，图像数据可以包括(例如，视频数据等的)多个图像帧中的一个。在又一个实施例中，图像数据可以作为预定处理的结果而被创建。例如，预定处理可以包括低光照摄影、低光照录影、蒙特卡洛(Monte Carlo)采样方法、产生RGB和深度信息的摄影和/或视频创建、使用仅深度相机(例如，产生噪声图像/视频的飞行时间相机)的图像创建等中的一个或更多个。在又一个实施例中，图像数据可以由一个或更多个自动成像设备(例如白天照相机、夜视照相机等)创建。