Deep and Fast Approximate Order Independent Transparency

要約

順序独立透明性 (OIT) を効率的に計算するための機械学習アプローチを紹介します。
私たちの方法は高速で、少量の一定量のメモリを必要とし（三角形や透明レイヤーの数ではなく、画面の解像度のみに依存します）、以前の近似方法と比較してより正確で、セットアップなしであらゆるシーンに機能し、移植可能です。
コモディティ GPU を使用する場合でも実行されるすべてのプラットフォームに適用されます。
私たちの方法では、事前にトレーニングされたニューラル ネットワークを使用して OIT ピクセル全体の色を予測するために後で使用されるすべての特徴を抽出するためのレンダリング パスが必要です。
実験を再現するためのすべての方法の比較実験評価とシェーダー ソース コードを提供します。

要約(オリジナル)

We present a machine learning approach for efficiently computing order independent transparency (OIT). Our method is fast, requires a small constant amount of memory (depends only on the screen resolution and not on the number of triangles or transparent layers), is more accurate as compared to previous approximate methods, works for every scene without setup and is portable to all platforms running even with commodity GPUs. Our method requires a rendering pass to extract all features that are subsequently used to predict the overall OIT pixel color with a pre-trained neural network. We provide a comparative experimental evaluation and shader source code of all methods for reproduction of the experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google