Ein Testdatensatz für photorealistisches Rendering und Filtering

Die photorealistische Bildsynthese (Rendering) war immer schon eine der Hauptrichtungen der Computergraphik, und ist weiterhin ein sehr aktives Forschungsfeld mit vielen offenen Problemen. Die meisten offline-Methoden verwenden sogenannte Path-Sampling-Techniken, um die Rendering- Gleichung zu lösen und komplizierte Beleuchtungseffekte zu simulieren. Diese Techniken benötigen allerdings oft mehrere Stunden zur Berechnung, und zeigen trotzdem oft noch Bildrauschen in den Ergebnisbildern. Um dies zu verbessern wurden sowohl neue Lichtsimulationstechniken als auch Rauschunterdrückungsverfahren entwickelt. In beide diese Richtungen gibt es schon viele publizierte Resultate, allerdings gibt es noch keine standardisierten Datensätze, die es erlauben, die publizierten Verfahren hinsichtlich ihrer Vor- und Nachteile zu vergleichen. Das wäre aber von großer Bedeutung, um eine Entscheidungsgrundlage für die Auswahl eines der vielen Verfahren zu haben, sowie bestehende Probleme zuverlässig aufzeigen zu können. In diesem Projekt werden wir daher einen Testdatensatz erstellen, der dieses Problem löst, und aus folgenden Komponenten besteht: (1) Eine Menge an Szenenbeschreibungen und Materialbeschreibungen, die es erlaubt, individuelle Eigenschaften der verschiedenen Verfahren zu testen. Dies beinhaltet z.B. verschiedene Materialmodelle, hochauflösende Geometrie, Texturen, und verschiedene Lichteffekte. (2) Eine große Anzahl an Vergleichsbildern von diesen Szenen mit unterschiedlichen Rauschcharakteristika, dazu Zusatzdaten um die Kompatibilität mit bestehenden Rauschunterdrückungsverfahren zu gewährleisten, sowie Referenzbilder für einen gesicherten Vergleich zur Referenzlösung. (3) Eine Methode, um den Parameterbereich soweit abzudecken, dass der Datensatz nicht zu groß für die Verarbeitung wird, aber trotzdem wichtige Situationen abdeckt, um alle interessanten Fälle in der Lichtsimulation untersuchen zu können. Zusammenfassend wollen wir eine fruchtbare Basis schaffen, um die Qualität von verschiedenen photorealistischen Rendering-Techniken zu untersuchen. Dies sollte sich positiv auf die Qualität der wissenschaftlichen Arbeiten in diesem Gebiet auswirken.

Die Generierung photorealistischer Bilder ist in viele Bereichen wichtig, z.B. in der Filmproduktion und Architekturvisualisierung. Um Bilder von computergenerierten Objekten mit natürlichem Filmmaterial zu mischen, müssen diese künstlichen Objekte so realistisch wie möglich aussehen. Einige Filme werden sogar vollständig vom Computer generiert. Hierbei ist ein realistischer Eindruck wichtig, damit der Betrachter die Geschichte als glaubwürdig erleben kann. Im der Architektur ist es oft wichtig, vorhersagen zu können, wie ein Raum oder ein Gebäude aussehen wird, bevor es gebaut wird. Solche Vorab-Visualisierungen müssen so realitätsnah wie möglich sein. All dies kann erreicht werden, indem eine rechenintensive Lichtsimulation am Computer durchgeführt wird. Zu diesem Zweck entwickeln Forscher regelmäßig neue, effizientere Algorithmen. Es ist jedoch nicht trivial, herauszufinden, wie gut so ein neuer Algorithmus wirklich funktioniert. Ein Grund dafür ist, dass jeder Algorithmus unterschiedliche Stärken und Schwächen hat, z.B. kann ein Algorithmus für eine bestimmte Szene effizient sein, für eine andere Szene aber sehr ineffizient. Daher ist es wichtig, Algorithmen an einer Vielzahl unterschiedlicher Szenen zu testen, um sie zuverlässig bewerten zu können. Darüber hinaus bauen die verwendeten Lichtsimulationen auf Berechnungen auf, die Zufälligkeit beinhalten. Diese Zufälligkeit äußert sich in Bildrauschen, welches den Vergleich verschiedener Bilder und Algorithmen schwierig macht, da es die Ergebnisse der Bewertung verzerren kann. Leider berücksichtigen die meisten Methoden zum Vergleichen verschiedener Rendering-Algorithmen dieses Bildrauschen nicht. In diesem Projekt wurden diese Herausforderungen durch die Erstellung eines neuen offenen Datensatzes adressiert, welcher vielen verschiedene und herausforderndene Testszenen beinhaltet, mit deren Hilfe Forscher neue Algorithmen testen und bewerten können. Der Datensatz folgt einem modularen Ansatz, welcher mittels einfacher Rekombination von Teilen das Erstellen neuer Szenen unterstützt. Zur effizienten Verbreitung wird dieser Datensatz über ein neu entwickeltes Web-Repository zur Verfügung gestellt, welches das einfache Herunterladen und Freigeben des Datensatzes sowie zusätzlicher von Benutzern erstellter Testszenen unterstützt. Darüber hinaus wurden neue, statistisch motivierte Methoden und Werkzeuge zum Vergleich verschiedener Rendering-Methoden erforscht und entwickelt, die das inhärente Rauschen der Bilder berücksichtigen und damit die Bewerbung von Rendering-Algorithmen zuverlässiger machen. Die Ergebnisse dieses Projekts sind frei verfügbar, um die zukünftige Erforschung fortschrittlicherer Rendering-Methoden zur Erzeugung photorealistischer Bilder für alle Arten von praktischen Anwendungen zu unterstützen.