Prefacio
D5 Render ha incorporado una nueva función, “D5 SR Image Rendering”, en su última versión 2.5. “SR” son las siglas de “Super Resolution”, una tecnología desarrollada por la propia D5 que transforma imágenes de baja resolución en imágenes de alta resolución.
Basado en un algoritmo de generación de imágenes de superresolución mediante redes neuronales, el D5 SR se combina con mapas de características de renderizado multicanal para acelerar considerablemente el renderizado de imágenes.
La tecnología de Super Resolución se puede usar en una amplia gama de aplicaciones. Por ejemplo, puede mejorar los detalles y la resolución en el renderizado de video, y en el renderizado en tiempo real, puede aumentar la velocidad de fotogramas para mejorar la experiencia del usuario.
Pero seamos honestos, ampliar la resolución de las imágenes renderizadas sin distorsión siempre ha sido un hueso duro de roer.
Aspectos destacados del D5 SR
Reconstrucción más realista
Real-esrgan es un algoritmo de superresolución «a ciegas» que no ha sido entrenado específicamente para imágenes D5 Render. Por lo tanto, al duplicar la resolución de las imágenes generadas, Real-esrgan puede presentar algunos artefactos evidentes, como materiales que no parecen naturales.
Sin embargo, este problema se resuelve eficazmente con D5 SR, como se puede ver en las siguientes imágenes de prueba. Esto se debe a que D5 SR ha incorporado la geometría, el material, la textura y otros datos de este objeto para mejorar la calidad de las imágenes reconstruidas en alta resolución.
La pregunta está vacía. Por favor, introduce un texto para traducirlo.
Amplía la imagen para ver los detalles. Se puede observar que el algoritmo de SR sin entrenamiento provoca distorsiones graves, como desenfoque, manchas o texturas anómalas, mientras que el D5 SR no las presenta.
Optimizado Reflexiones
Al probar por primera vez el D5 SR, las imágenes ampliadas dos veces perdieron algunos detalles de los reflejos.
Tras importar la información de los canales de reflexión y los materiales, el D5 SR puede reproducir mejor los reflejos.
Puedes ver la diferencia mostrada en estas dos escenas.
La pregunta está vacía. Por favor, introduce un texto para traducirlo.
Eficiencia de renderizado mejorada
Una vez activado el modo D5 SR, notarás una mayor velocidad de renderizado en las imágenes de alta resolución.
Toma esta escena como ejemplo.
Si se renderiza una imagen con una resolución de 16K (15360 × 8640), se tardará 1 h 17 m 13 s con la función D5 SR desactivada, y solo 27 m 23 s una vez activada, lo que supone un ahorro de 651 TP17T del tiempo total.
La pregunta está vacía. Por favor, introduce un texto para traducirlo.
La pregunta está vacía. Por favor, introduce un texto para traducirlo.
Cómo utilizar el D5 SR
Ve a Menú > Preferencias > Widget y activa ‘D5 SR Image Rendering beta’. Funcionará automáticamente cuando D5 procese las imágenes, sin necesidad de realizar ningún otro ajuste.
Ten en cuenta que el algoritmo D5 SR solo se activa en imágenes con una resolución superior a 1440 x 1440.
La pregunta está vacía. Por favor, introduce un texto para traducirlo.
La pregunta está vacía. Por favor, introduce un texto para traducirlo.
Cómo surgió D5 SR
El equipo de D5 entrena el algoritmo SR con una amplia colección de imágenes generadas por D5. La red neuronal es capaz de aprovechar eficazmente la información previa aprendida a partir de estos datos de entrenamiento para ofrecernos una reconstrucción de alta resolución de mayor calidad.
Sin embargo, al principio no teníamos suficiente información de las escenas 3D, como geometría, materiales y texturas, lo que provocaba una brecha entre la reconstrucción y los resultados de renderizado físico. Por lo tanto, introdujimos esta información 3D como características de entrada para producir un mejor resultado.
En términos técnicos, el equipo de I+D de D5 ha llevado a cabo las siguientes tareas:
Primero, usamos información de albedo y normal de alta resolución para reconstruir características de textura y geométricas.
Luego incorporamos información de reflexión, transparencia, metal y rugosidad para optimizar los efectos de reflexión y resaltado.
Para mejorar aún más el resultado de la reconstrucción, utilizamos un nuevo algoritmo. Mejora la red neuronal ESRGAN original y utiliza una red de doble flujo para procesar imágenes originales de baja resolución y gráficos de información de canales de alta resolución respectivamente. Utilizamos la pérdida L1 relativa para mejorar la supervisión del error de píxeles y la pérdida perceptual, e introducimos la pérdida adversarial para mejorar el resultado de la superresolución.
Finalmente, utilizamos una estructura de red en forma de U para reemplazar algunos Bloques Densos Residuales en ESRGAN, para expandir el rango del campo de detección de la extracción de características de mapas de información de canales de alta resolución y mejorar aún más la velocidad de inferencia.
English
Español
Français
한국어
日本語