[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

说明书

本发明公开了一种基于神经网络的灯光光强颜色的设计方法、装置、系统及存储介质，包括：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；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增强，得到光照预测效果图；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。这样能够有效的学习出给定数据集中隐含的灯光亮度分布原则，并在新场景中自动的设计出每个灯光的光强和颜色，进而获得基于物理的高质量绘制效果图。

技术领域

本发明属于室内场景辅助设计领域，尤其涉及一种基于神经网络的灯光光强颜色的设计的方法、装置、系统及存储介质。

背景技术

在室内设计领域，尤其是室内灯光的设计领域，一个自动的灯光光强颜色设计方法有着十分重要的意义。灯光是室内设计中不可缺少的元素，它负责照亮整个室内环境，给人们提供一个舒适的生活和工作环境。与此同时，灯光往往是设计师表达设计想法的重要元素，它能够强调重点的区域，为整个室内设计提供氛围感。室内灯光设计实际上是一个复杂的任务，它需要考虑整个房间的信息，家具的布局信息，以及放置的光源位置情况。在完成基本照明任务的同时，一个好的灯光设计同时需要有美学上的考量，使整个室内环境更加的舒适美观。对室内场景的灯光的光强和颜色设计需要专业丰富的设计经验，即使是在目前最专业的灯光设计软件中，对于灯具布局的设计也需要不停的修改与迭代，这是一个费时费力的过程。

近些年来，人们使用数据驱动的方法对多种设计流程的自动化进行了探索。比如室内的家具放置，户型设计以及建筑与规划设计。与此同时，人们也构建了一些室内三维场景数据集。这些相关的工作证明了基于深度学习的方法可以从大量的三维场景数据中学习到设计的规则，从而自动的对新的场景进行设计，如公开号为CN108984904A的专利申请公开的一种基于深度神经网络的家居设计方法。同时，目前的一些工作使用神经网络的方法对图像的视觉效果进行增强，从而得到特定风格的图像，如公开号为CN110033417A的专利申请公开的一种基于深度学习的图像增强方法。随着生成对抗网络的广泛研究和使用，出现了一批基于生成对抗网络的图像增强和风格迁移方法，这些方法有效的提高了图像的生成质量，能够生成和目标数据集相似的图像。然而，目前的方法并没有针对灯光的光强和颜色进行设计，需要一个针对室内灯光的自动光强颜色设计的方法。

发明内容

鉴于上述，本发明的目的是提供一种基于神经网络的灯光光强颜色的设计的方法、装置、系统及存储介质，能够有效的学习出给定数据集中隐含的灯光亮度分布原则，并在新场景中自动的设计出每个灯光的光强和颜色。

为实现上述发明目，本发明提供以下技术方案：

第一方面，一种基于神经网络的灯光光强颜色的设计方法，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。

第二方面，一种基于神经网络的灯光光强颜色的设计装置，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。