基于深度学习的渲染 Deep Learning Based Rendering
此文作为siggraph17的《Deep Learing：The Futrure of Real-Time Rendering？》的整理笔记。
就像《必然》中说的那样，如同这个时代的互联网一样，AI已然成为下个时代的主角， AI让计算机拥有对复杂算法的决策能力，是解决很多复杂问题的终极武器。它尤其擅长解决这样的问题：复杂的、可并行计算的、能用已有经验推测任意结果并使结果看起来正确的。而实时渲染图形学恰好存在大量复杂的，可并行计算的问题的，且方便用已有经验预处理预测新的结果，因此基于AI的实时渲染已经在尝试各种新的方法解决那些老的问题，事实上诸如NV等也在投入大量的人在研究，17年左右有很多类似算法产生，这里简要梳理基于Deep Learing的渲染的基本原理，并综述几个最基本的DL应用于实时渲染的例子。
1 机器学习，Neural Networks， Deep Learning
这是AI领域的基本知识，对于从事实时渲染的没有做过太多AI经验的朋友，还是从头简单梳理一下。
人工智能需要解决的问题可以最简单的用下面的图表示，即如何算出一个可能是超级复杂的函数f（），能使它将输入数据集合A，转换成数据集合B，各种AI方法就是为了找到这样的函数f（）。而渲染中存在太多这样的问题，例如 如何找到一个把monte carlo积分算出来的满是噪点的图像转成一个时间稳定空间平滑的图像的f（），如何把一个原始的渲染图像转成AA后的图像的f（）。之前我们用各种AA算法，我们用各种数学图形学trick做这个f（），现在我们可以用AI。甚至整个图形渲染都是一个ai问题，找到对已知输入光线和最终2d图像之间的f（）。
神经元网络Neural Networks，是机器学习问题的一大类重要的算法，NN的基本结构如下：
蓝色节点代表输入数据集，红色节点代表输出的数据集，绿色节点代表中间层layer，每个中间节点跟每个输入节点连接，且存在数值关系，同理每个输出节点同每个中间层节点连接存在数值关系，这就像人脑的神经元连接。当输入和输出已知的情况，用大量既有事实的输入和输出数据对，找到正确的每条连接线的数值矩阵，就找到了这个转换f（），有了f（），可以对类似问题的任意输入，得到问题的输出。找这个矩阵的过程就是对NN进行训练的过程，至于怎样训练，可以参阅NN的相关知识，但是作为图形学渲染使用明白这个简单的道理就够了，怎样训练有很多相关的框架如TensorFlow等。
上面的图的关系还比较简单，还不能描述任意复杂的函数过程，如果把中间层加深成下面的图，就可以解决更复杂的问题，因为中间层数变深了，所以这种NN就叫做Deep Learning。
我们用DL去解决实时渲染问题。
2 CNN
在深层NN中，又有一类变种CNN（Convolutional Neural Network，卷积神经网络）尤其适合解决图像空间的问题。
为什么这样说呢，因为图形渲染很多时候在解决2D或3D的矩阵像素，通常是对这些像素做各种变换。我们在学习数字图像处理的时候，遇到过卷积的概念，我们对图像做很多处理（模糊，提取边缘，更改色相）通常都会用一个2D的卷积蒙版对图像进行处理（比如sobel算子，laplas算子等等）。因为卷积计算很适合简单的表示，并且并行的对像素进行计算。
如果对卷积的概念模糊，可以参考这篇知乎https://www.zhihu.com/question/22298352。简单来讲，对两个函数f和g的卷积操作，首先是对这两个函数求一种乘积f()g(),但是这里面两个函数的输入的合相加相等，且最终求和所有可能，即
求F和g在0的卷积就是求
上图的边缘检测算子里，f（）是左侧2D
原图，g（）是右侧2d蒙版（卷积核），他们求在0上的卷积，就是右侧的图。
既然卷积大量应用于图像处理，所以对于前面提到的deep learning的中间层的每个节点，就可以用一些卷积核来表示，这种中间层节点都是卷积核的dl就是传说中的CNN，如下
详细解释一下，最左侧是输入是原始图像的2D像素，大小假设是N*N，中间的第一层是大小为M1*M1的卷积核，并且这层卷积核处理输入的时候是有跨度的，即可能不会一个挨着一个像素处理，而是跨越处理，这样经过第一层中间层，原始的N*N的数据集就会变成了更小的N1*N1，然后继续往更深层次处理，逐渐变小到最终的Nk*Nk的数据集，对Nk*Nk的数据集进行最终的几层处理将得到一个输出，上面的输入是一个轿车图像，输出是“Audi A7“”。当CNN通过大量的样本学会了这中间的所有卷积核，他就拥有了识别其他轿车品牌的能力。其实这些卷积核就是对这种图像最有利的一些特征分类器，而中间过程的每一层图像，都是在那一尺度级别提取到的关键特征。CNN用来学习怎样找到区别汽车品牌的关键特征。
有了CNN，不只可以识别80万起售价的Audi A7，还可以解决一些渲染问题，比如一些渲染问题可以用Autoencoder自动编解码器来解决，Autoencoder的结构如下
这是一个典型的CNN，只是每层经过卷积核处理后的不再是2D图像特征，而是3D图像特征，一个平坦的2D图像，最终变成了一个细长的3D特征，这就是一个图像数据的压缩过程，然后通过另外一堆卷积层，它还原成了2D图像，这就是一个图像数据的解压过程。
因为解压过程是对数据升维的过程，因此天然对图像的高频信号做了过滤，平滑了图像，因此类似的Autoencoder同时也能解决图形渲染的一些去燥问题，典型如后处理过程的反走样AA。
用于反走样的CNN通常可以这样训练出来：
- 因为超采样永远是AA的ground truth，所以我们用一些场景中预先渲染好的1倍采样的图像及其对应的16倍超采样的图像做输入输出，
- 卷积核采用比如192*192的大小，对这些卷积核在图像上进行一定跨度的卷积操作，并旋转0,90,180,270各做卷积操作
- 特征卷积核的筛选要基于比较CNN对原图的输入和真实超采样图之间的差异函数loss function，使差异函数衡量的差异在容忍的程度下最小化，用于图像后处理的loss function通常不能只考虑空间上的一致性，还要考虑时域上的一致性，不然会产生连续渲染的闪烁。所以事实上用于训练的输出不是一张图像，而是8张连续的序列帧，用于量化时域差异的函数要考虑计算某一刻的参考超采样图和用CNN预测出来的的输出图的时间梯度的L2 范数（L2 norm of the temproral gradiant）。
3 RNN
因为前面在处理图像渲染中反走样的问题的时候要考虑时序问题，所以有另外一类CNN可以更好的解决有这种时序关系的问题，即RNN（Recurrent Neural Networks，递归的神经网络），它的结构如下图
它的时序上相邻的样本之间是有依赖关系的，即前一个样本的输出同时也会成为后一个样本的输入，他将CNN加入了时序关系。
因为引入了时序关系，RNN相比CNN更能“捕捉”到特征的移动，而不是静止图像上的特征,如下图这个三角形在帧序上移动，我们倾向去捕捉这个特征。
但是这里面又有一个问题，就是卷积核的大小问题，卷积核太小，可能我们根本就捕捉不到超过它大小的重要特征，尤其是特征随时序缩放的情况，卷积核太大，运算成本又增大，且不能适应图像的缩放。
这时又有人提出来一种变种的RNN来解决，叫WRNN（Warped Recurrent Neural Networks），它的结构如下，它对前面一个样本的输出做了一次包装，使它能够适应后面一帧的新特征。
4.TensorFlow based Rendering
有了前面Dl，CNN，RNN的基本知识，就能够实际上去发掘很多渲染问题的老题新解了，有的解法是效率更高效果更好的。而TensorFlow又是一个非常强大的DL的框架，可以让AI的入门初学者快速的应用这个核武器，比如NV用TensorFlow去实现一个RNN版本的TAA，可以看到下面原始图像，TAA的处理，基于RNN的Taa，基于RNN的Autoencoder的AA（RAE），和16倍超采样的对比，我们看到RAE的效果比taa更多细节更锐利，更接近于16 spp，然而RAE的运行效率只是一些卷积核的像素操作，也有着很高的运行效率。
5.Hello Tensorflow
当我们看到基于TendorFlow的渲染已经在某些领域取得更好更高效的效果的时候，可以想到它能应用于更多问题，并有理由相信很快会对传统渲染算法说再见，当然这些传统算法不是不见了，而是直接书写应用于各种TensorFlow的代码的训练过程中，在运行时只是一些不能直观理解的卷积核操作，比如当我们看到一个游戏的后处理应用了GI，AO，校色，bloom等各种效果，但是截帧发现其ps shader只是几个卷积核的操作的时候，不用惊讶，因为已经有这方面的工作了，毕竟所有的后处理也是一次神经网络能够模拟的“操作”。
在基于深度学习的渲染中，除了TAA，后处理，已经有的一些其他工作进展包括：
简单的path tracing和基于加强学习的path tracing
基于RNN的体积云
此外还包括实时的自动模型LOD，Animation Blend，高品质材质等等。
机器学习为实时渲染开了一扇窗，并且很可能成为下一代图形学的基础，机器学习的神奇之处是不用一个具体的算法流程处理渲染，而是用提取的特征表达一个看上去的渲染，毕竟看上去对是图形学的第一定律，这种颠覆性的革新会带来很多令人激动的机会，很多老的渲染问题可以思考用DL更好的实现（尤其是性能不好的移动平台上），对这些新的算法的开拓如果跃跃欲试的话，就现在开始学习TensorFLow吧。