▷每週一篇2分鐘論文視頻解讀
雷鋒網：原標題Disney's AI Learns To Render Clouds | Two Minute Papers，視頻、文字由雷鋒字幕組編譯。
翻譯 | 付騰 校對 | 凡江 整理 | 張谷鑫
本期介紹的論文是《Deep Scattering: Rendering Atmospheric Clouds with Radiance-Predicting Neural Networks》（深度散射：輻射預測神經網絡渲染大氣雲）。這是一篇由迪士尼公司獨立發佈的論文，教你訓練一個神經網絡，通過模擬光線過程來渲染雲層。
這項技術的難點在於，我們必須運行一個叫做幾何體光線路徑跟蹤的算法。這是一種用來模擬光線輻射的技術。因爲在很多光線散射過程當中，光輻射並不是直接被物體表面反射，而是穿透了物體 （比如這裏的雲層）。所以，要想建立雲層物理外觀模型，關鍵是要準確地獲取雲層幾何體。
前提是，我們必須模擬出可能出現的數百次散射過程（包括其中的百萬級光線路線）。但這個計算量太龐大了。在這篇論文裏，作者們提出了一個很好的混合方法：用神經網絡快速學習、快速預測在散射過程中的光輻射，以節省一部分的計算量。另一部分仍然使用傳統算法。
雲層渲染過程中，訓練神經網絡所用的數據包含了75個不同的雲層。其中一部分是計算機自動生成的，另外一部分則是由藝術家繪製的，可以讓神經網絡學習到多種多樣的案例。最終效果驚人，圖片的渲染時間被壓縮到了分秒級。要知道，如果用傳統方法來做這類渲染，即使放到計算能力超強的平臺也非常耗時。
我們也不需要再多等幾小時，來看調整之後結果是不是比之前的渲染要好。因爲散射的參數也可動態調整，非常短的時間內就可以完成了。
這項技術同樣支持不同的散射模型。所有的渲染結果都需要和真實渲染進行對比，我們可以看到它們大多數看起來和真實的沒什麼兩樣。
譯者注：
這篇文章的新意是對神經網絡在新穎工程方面的應用，針對的是在傳統雲層渲染當中 in-scattered radiance prediction 這個在實際使用當中的痛點。
這個神經網絡的基本結構是在普通的多層感知機上使用 ReLU 做激活函數，其創新在於構造了一種特殊的 layer 來模擬雲層當中光線散射的特性。
這種特殊的 layer 是一個二層結構，其中輸入層相當於雲層的幾何矩形圖形，然後第二層相當於內部光線散射的範圍，整個 layer 相當於模擬了一次光線在雲層內部的散射，工作機理有些類似 CNN 內部的filter。
雷鋒網提供論文原址：http://drz.disneyresearch.com/~jnovak/publications/DeepScattering/
關注雷鋒網(公衆號：雷鋒網)，雷鋒字幕組編譯系列短視頻《 2 分鐘論文 》，帶大家用碎片時間閱覽前沿技術，瞭解 AI 領域的最新研究成果。
相關文章：
AlphaZero制勝解讀，通用強化學習算法自我對弈 | 2分鐘論文
愛P纔會贏，英偉達用GANS弄了個高清人臉合成項目 | 2分鐘論文
從電影到遊戲，你也能用GAN畫高清3D地形模型 | 2分鐘論文
