深度学习与图形学渲染技术如何实现有效结合及具体应用？

本文共计1917个文字，预计阅读时间需要8分钟。

尊敬的家人，您好！从本月起，我开始了深度学习的探索之路。目前，我愿意与您分享我的学习历程和对深度学习在渲染中的应用理解。期待得到您的指导与帮助！谢谢！

大家好~这一个月以来，我从0开始学习和实现“深度学习”的技术。现在与大家分享下我的学习经历，以及我了解到的深度学习在渲染中的应用方向，希望对大家有所帮助！谢谢！

大家好~这一个月以来，我从0开始学习和实现“深度学习”的技术。
现在与大家分享下我的学习经历，以及我了解到的深度学习在渲染中的应用方向，希望对大家有所帮助！谢谢！

目录

• 为什么开始学习深度学习？
• 了解到“谷歌地图基于神经渲染实现了3D地图”
• NeRF的改进方向
• 在Web上使用硬件来加速训练和推理？
• 更多的资料

为什么开始学习深度学习？

其实我以前在实现与路径追踪相关的降噪算法时，就了解到可以基于深度学习来实现降噪，并且发现这方面的论文近年来越来越多。所以我初步判定深度学习是降噪领域中的发展方向。

但因为深度学习跟图形学是完全不同的学科，跨学科学习的成本太高，需要从0开始，所以我那时候没有采用深度学习的方法，而是采用更偏向于图形学的方法来实现降噪（比如SVGF/BMFR算法）。

那为什么我现在下决心从0开始学习深度学习了呢？这要感谢今年参加我开的“离线渲染（二期）”培训课的同学的反馈意见~他们表示希望多学习下实时渲染的技术，或者是能够将课程的离线渲染技术（如路径追踪）应用到实时渲染中。