[发明专利]一种灯光光强颜色的设计方法、装置、系统及存储介质

权利要求书

1.一种基于神经网络的灯光光强颜色的设计方法，其特征在于，包括以下步骤：

步骤1，在给定视角下对场景进行每个光源在单位光强单独发光情况下的绘制，得多张单光源渲染图；

步骤2，利用基于神经网络构建的光照效果预测模型对所有单光源渲染图进行光照预测，得到光照预测效果图；

步骤3，以光强和颜色看作权重，构建以使所有单光源渲染图的加权线性叠加的效果图尽可能接近光照预测效果图的优化目标，并对优化目标进行求解，以获得每个光源的光强和颜色。

2.如权利要求1所述的基于神经网络的灯光光强颜色的设计的方法，其特征在于，采用基于路径追踪算法的渲染器在给定视角下对场景进行绘制，得到多张单光源渲染图。

3.如权利要求1所述的基于神经网络的灯光光强颜色的设计的方法，其特征在于，所述光照效果预测模型包括粗糙预测单元和着色单元；

所述粗糙预测单元包括基于神经网络构建的第一预测模型和合并子单元，其中，第一预测模型用于基于多张单光源渲染图预测得到光强和色温，合并子单元用于通过将光强和色温线性加权叠加到所有单光源渲染图，得到粗糙效果图；

所述着色单元包括拆分子单元、基于神经网络构建的第二预测模型和融合子单元，其中，拆分子单元用于将粗糙效果图拆分成反射率和粗糙着色效果图，第二预测模型用于基于粗糙着色效果图和单光源渲染图预测得到精细着色效果图，融合子单元用于融合反射率和精细着色效果图，得到光照预测效果图。

4.如权利要求3所述的基于神经网络的灯光光强颜色的设计的方法，其特征在于，所述光照效果预测模型在被应用前，需要利用样本图像进行参数优化，优化的参数包括神经网络的权重参数和合并子单元的权重参数。

5.如权利要求1所述的基于神经网络的灯光光强颜色的设计的方法，其特征在于，为每张单光源渲染图设置3个对应R、G、B三通道的权重系数，构建使所有单光源渲染图的加权线性叠加的效果图尽可能接近光照预测效果图的优化目标，在对优化目标进行求解后，根据求得的权重系数计算每个光源的光强和颜色。

6.如权利要求1或5所述的基于神经网络的灯光光强颜色的设计的方法，其特征在于，采用非负的最小二乘优化器对优化目标求解。

7.如权利要求1～6任一项所述的基于神经网络的灯光光强颜色的设计的方法，其特征在于，还用于多视角的灯光光强颜色的设计，即对于每个固定视角，均执行步骤1，得到多视角的所有单光源渲染图后，执行步骤2，得到多视角对应的光照预测效果图，然后以多视角的所有单光源渲染图和多视角对应的光照预测效果图作为数据源，执行步骤3，得到每个光源的光强和颜色。

8.一种基于神经网络的灯光光强颜色的设计装置，其特征在于，包括：

渲染模块，用于在给定视角下对场景进行每个光源在单位光强单独发光情况下的绘制，得多张单光源渲染图；

预测模块，用于利用基于神经网络构建的光照效果预测模型对所有单光源渲染图进行光照预测，得到光照预测效果图；

光强颜色设计模块，用于以光强和颜色看作权重，构建以使所有单光源渲染图的加权线性叠加的效果图尽可能接近光照预测效果图的优化目标，并对优化目标进行求解，以获得每个光源的光强和颜色。

9.一种基于神经网络的灯光光强颜色的设计系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～7任一项所述的基于神经网络的灯光光强颜色的设计方法。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理执行时实现权利要求1～7任一项所述的基于神经网络的灯光光强颜色的设计方法步骤。