Neural caching of dynamic volume illumination

Erzar, Blaž (avtor), Bohak, Ciril (mentor), Lesar, Žiga (komentor)

Volumetric path tracing is the standard technique for rendering volumetric data, preserving all structural information in the resulting images. However, this approach is more computationally expensive than surface rendering. This has led to numerous optimization techniques, from caching strategies to recent machine learning approaches. Building on prior work that used neural networks to predict indirect radiance via photon mapping, we propose a method that replaces photon mapping with path tracing. This removes the need for a separate training phase and enables online model training. Our method is integrated into an existing platform-agnostic volumetric path tracer that runs in a browser using WebGPU. We achieve an overall 2.06x speedup in GPU-stage computation and a 1.28x improvement in frame time over path tracing. We show that our method produces frames with less noise and that images produced after 0.5 seconds of rendering are closer to reference images than those produced by path tracing itself, according to the LPIPS perceptual metric.

• Jezik: Angleški jezik
• Ključne besede: volumetric rendering, path tracing, neural networks, radiance caching
• Vrsta gradiva: Magistrsko delo/naloga
• Tipologija: 2.09 - Magistrsko delo
• Organizacija: FRI - Fakulteta za računalništvo in informatiko
• Leto izida: 2026
• PID: 20.500.12556/RUL-188474
• COBISS.SI-ID: 301243651
• Datum objave v RUL: 23.09.2026

Sekundarni jezik

• Jezik: Slovenski jezik
• Naslov: Nevronsko medpomnjenje dinamične osvetlitve volumnov

Izvleček

Volumetrično sledenje potem je standardna tehnika za upodabljanje volumetričnih podatkov, ki ohranja vse strukturne informacije v končni sliki, vendar je ta pristop računsko zahtevnejši od upodabljanja površin. To je privedlo do številnih optimizacijskih tehnik, od strategij medpomnjenja do nedavnih pristopov s strojnim učenjem. Na podlagi predhodnega dela, ki je za napovedovanje posredne sevalnosti prek preslikavanja fotonov uporabljalo nevronsko mrežo, predlagamo metodo, ki preslikavanje fotonov nadomesti s sledenjem potem. S tem odpravimo potrebo po ločeni fazi učenja in omogočimo sprotno učenje modela. Naša metoda je vgrajena v obstoječi platformno agnostični volumetrični sledilnik potem, ki deluje v brskalniku s pomočjo tehnologije WebGPU. Dosegamo 2,06-kratno skupno pohitritev v fazi računanja na grafičnem procesorju in 1,28-kratno izboljšavo časa sličice v primerjavi s sledenjem potem. Pokažemo, da naša metoda ustvari slike z manj šuma in da so slike, pridobljene po 0,5 sekunde upodabljanja, bližje referenčnim slikam glede na zaznavno metriko LPIPS kot slike, pridobljene s sledenjem potem.

• Ključne besede: volumetrično upodabljanje, sledenje potem, nevronske mreže, medpomnjenje sevalnosti