本期介绍的论文是《Deep Scattering: Rendering Atmospheric Clouds with Radiance-Predicting Neural Networks》（深度散射：辐射预测神经网络成像绘制大气云）。这是一篇由迪士尼公司独立发表的论文，教你训练一个神经网络，透过模拟光线过程来绘制云层。
这项技术的难点在于，必须运行一个叫做几何体光线路径追踪的算法。这是一种用来模拟光线辐射的技术。因为在很多光线散射过程当中，光辐射并不是直接被物体表面反射，而是穿透了物体（比如这里的云层）。所以，要想建立云层物理外观模型，关键是要准确地获取云层几何体。
前提是，迪士尼必须模拟出可能出现的数百次散射过程（包括其中的百万级光线路线）。但这个计算量太庞大了。在这篇论文里，作者们提出了一个很好的混合方法：用神经网络快速学习、快速预测在散射过程中的光辐射，以节省一部分的计算量。另一部分仍然使用传统算法。
云层成像过程中，训练神经网络所用的数据包含了 75 个不同的云层。其中一部分是电脑自动生成的，另外一部分则是由艺术家绘制的，可以让神经网络学习到多种多样的案例。最终效果惊人，图片的成像时间被压缩到了分秒级。要知道，如果用传统方法来做这类渲染，即使放到计算能力超强的平台也非常耗时。
迪士尼也不需要再多等几小时，来看调整之后结果是不是比之前的运算成果要好。因为散射的参数也可动态调整，非常短的时间内就可以完成了。
这项技术同样支援不同的散射模型。所有的成像结果都需要和真实进行对比，可以看到它们大多数看起来和真实的没什么两样。
注 1：这篇文章的新意是对神经网络在新颖工程方面的应用，针对的是在传统云层成像当中 in-scattered radiance prediction 这个在实际使用当中的痛点。
注 2：这个神经网络的基本结构是在普通的多层感知机上使用 ReLU 做激活函数，其创新在于构造了一种特殊的layer 来模拟云层当中光线散射的特性。
注 3：这种特殊的 layer 是一个二层结构，其中输入层相当于云层的几何矩形图形，然后第二层相当于内部光线散射的范围，整个 layer 相当于模拟了一次光线在云层内部的散射，工作机理有些类似 CNN 内部的 filter。
（本文由 雷锋网 授权转载；首图来源：pixabay）
