《Global illumination with radiance regression functions》

总结一下最近看的这篇结合神经网络的全局光照论文。

论文的主要思想是利用了神经网络的非线性特性去拟合全局光照中的间接光照部分，采用了基础的2层MLP去训练，最终能实现一些点光源、glossy材质的光照渲染。为了更好的理解、其输入输出表示如下。

首先是原文的介绍： 4个三维向量：着色点位置$x_p$，间接光照对应视角方向$v$，点光源位置$l$,点表面法线$n$，再加上BRDF附带的albedo等参数$n_p$。

我们在拥有了能预测间接光照的模型后，就可以在实时渲染中计算完直接光照后进行叠加即可。

可以看出最主要的就是如何去训练出这个ML模型。接下去进一步讨论，

传统的PRT只能表示低频的全局光照信息，大部分不能处理glossy的BRDF反射，就算能处理也过于计算复杂
好处：
坏处：