1.选题背景及意义
1.1选题背景
获取现实世界物体的外观是计算机图形学和视觉学中一个长期存在的问题，对物体材质的研究近年来成为真实感绘制的热门问题。从现实世界中获取这些材质的属性对真实感渲染是至关重要的，它的基本要求就是在计算机中生成三维场景的真实感图形图像。真实感图形学已经有了非常广泛的应用，在计算机辅助设计、多媒体教学、虚拟现实系统、科学计算可视化、动画制作、电影特技模拟、计算机游戏等许多方面，发挥了重要的作用，而且人们对于计算机在视觉感受方面的要求越来越严格，这就需要我们研究更多更逼真的真实感图像生成算法[1]。
一种可以选择的方法就是通过捕获现实世界的物体外观，也就是测量真实物体的表面光学属性，来创造具有真实感的材质。一个高质量的数字化对象，可用一个3D网格和一个6D空间变化的双向反射分布函数(SVBRDF)来表示，这是可以测量的最简单的反射模型，可从任何视图和照明条件真实地再现虚拟世界中的对象的外观。而空间变化BRDF和各向异性BRDF，是材质模拟中的难点之一[2]。
1.2选题意义
估算空间变化材料的表面反射率特性是一个具有挑战性的问题。一方面，未知数具有高维性，同时在基于图像的测量中紧密耦合，就像渲染方程所建模的那样[3]。因此，人们希望进行尽可能多的测量，以获得足够的信息来分别恢复复杂的反射率和形状。另一方面，在实际应用中（例如，电子商务和视觉检查），由于实际捕获时间对于大量不同产品的数字化至关重要，因此实际操作中可以严格限制样本数量。解决上述问题的关键是优化采集效率。
基于反渲染的方法[4][5]可以获得足够大数量输入照片的准确估计数。然而，如果照片的数量过少，这种反渲染方法就不能产生似是而非的结果。最近，人们提出了一些技术，利用最近在深度学习方面的进展，专注于从一张图像中获得看似合理的结果。然而，这些方法无法重现在单一输入照片中模糊和/或不可见的反射率特征。例如，不能被输入照片中的入射光激发的镜面特征，而只能基于学习启发法插入。添加一张或多张照片，提供丢失或模糊特征的额外线索，可以极大地改善外观重建。然而，目前还不清楚这种基于深度学习的方法如何扩展到多个输入图像。[6]
2.研究现状分析
为了有效捕获反射率和形状，已经进行了重大研究。具有简单反射特性的物体的几何采集是一个成熟的领域。可以使用结构照明[7]或运动结构[8]等技术来获得高度精确的几何形状。在一个简单或已知的几何图形上的反射率捕获可以真实地再现复杂的外观，如清晰的镜面反射，使用像照明复用这样的技术，有效地采样照明方向域[9][10]。
反射率和形状的联合估计比单独捕获任何一个因素都更具挑战性。现有的方法做了如下假设：远距离照明[11]，各向同性反射率[12]，或少量基础材料[13][14]为了减少解决方案中的不确定性。虽然这些假设限制了问题的范围，使问题更容易处理，但是以前的工作没有明确地考虑在一般情况下物理获取效率的优化，从而在很大程度上阻碍了在实践中更广泛的应用。
2.3总结
以上是毕业论文开题文献，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
