피사계 심도(Depth of Field) 효과는 카메라에서 초점이 맞는 부분은 선명한 이미지를 만들고, 그렇지 않은 부분은 흐려지게 만드는 효과이다. 대부분의 컴퓨터 그래픽스렌더링 방식의 경우 피사계 심도 효과를 생성하지 않기 때문에, 이미지를 생성할 때 피사계 심도 효과 적용을 고려하면 보다 사실감 있는 이미지를 생성할 수 있으며, 실제로 여러 3D 애니메이션, 게임 등의 매체에서 피사계 심도 효과를 적용하여 고품질의 이미지 생성에 기여하고 있다. ...
피사계 심도(Depth of Field) 효과는 카메라에서 초점이 맞는 부분은 선명한 이미지를 만들고, 그렇지 않은 부분은 흐려지게 만드는 효과이다. 대부분의 컴퓨터 그래픽스렌더링 방식의 경우 피사계 심도 효과를 생성하지 않기 때문에, 이미지를 생성할 때 피사계 심도 효과 적용을 고려하면 보다 사실감 있는 이미지를 생성할 수 있으며, 실제로 여러 3D 애니메이션, 게임 등의 매체에서 피사계 심도 효과를 적용하여 고품질의 이미지 생성에 기여하고 있다. GPU 등의 하드웨어의 발전에 힘입어, 컴퓨터 그래픽스 분야에서는 다양한 방식의 피사계 심도 연출 방법을 연구해왔다. 하지만 대부분의 피사계 심도 연구는 실시간 렌더링(Realtime Rendering)으로 구현하기에는 계산 비용이 크며, 실시간 렌더링이 가능한 경우에도 대부분 순방향 매핑(Forward Mapping) 기반의 알고리즘을 기반으로 생성되기 때문에, 현대의 GPU 특성상 포스트 프로세싱 방식(Post-Processing) 방식의 렌더링 알고리즘과 비교해 상대적으로 높은 계산 비용을 요구한다. 본 논문은 실시간 렌더링에서 적용 가능한 포스트 프로세싱 방식 기반의 피사계 심도 연구에 초점을 맞추고 있다. 본 논문의 연구는 피사계 심도 생성에 있어 핵심 요소인 착란원(Circle of Confusion) 값을 저장하는 깊이 맵을 미리 생성한 후, 포스트 프로세싱 단계에서 깊이 맵의 착란원 값의 표준 정규 분포를 이용하여 샘플링 영역을 결정한다. 샘플링 영역이 결정되면, 샘플링 영역 안에서 일정한 간격을 갖는 샘플 위치들에 지터링(Jittering) 값을 더하여 최종 샘플링 위치를 결정한다. 이후 샘플링 위치의 착란원의 값과 현재 픽셀과 샘플링 위치 사이의 거리 값을 비교하여, 샘플링 위치의 착란원의 값이 거리 값보다 작은 경우 현재 픽셀에 대한 기여가 없다고 간주하여 샘플링 위치의 값을 배제한다. 이러한 방식으로 현재 픽셀에 기여하고 있는 샘플들을 확보한 후에는, 비슷한 깊이 값을 갖는 샘플들을 하나로 묶어 동적인 개수를 가지는 레이어에 저장한다. 마지막으로, 평균 깊이 값이 가장 작은 레이어부터 순서대로 알파 블렌딩(Alpha Blending) 기법으로 색상을 섞은 후, 디노이징(Denoising) 과정을 거쳐 노이즈가 제거된 최종 색상을 출력한다. 본 논문이 소개하는 피사계 심도 효과 생성 방식으로 비실시간 렌더링 방식의 결과와 유사한 결과를 얻을 수 있고, 이에 더해 포스트 프로세싱 과정 기반의 방식으로 피사계 심도 효과를 생성하였기에 다양한 상황에서도 보다 빠르고 안정적인 렌더링 속도 확보가 가능하다는 장점이 있다.
피사계 심도(Depth of Field) 효과는 카메라에서 초점이 맞는 부분은 선명한 이미지를 만들고, 그렇지 않은 부분은 흐려지게 만드는 효과이다. 대부분의 컴퓨터 그래픽스 렌더링 방식의 경우 피사계 심도 효과를 생성하지 않기 때문에, 이미지를 생성할 때 피사계 심도 효과 적용을 고려하면 보다 사실감 있는 이미지를 생성할 수 있으며, 실제로 여러 3D 애니메이션, 게임 등의 매체에서 피사계 심도 효과를 적용하여 고품질의 이미지 생성에 기여하고 있다. GPU 등의 하드웨어의 발전에 힘입어, 컴퓨터 그래픽스 분야에서는 다양한 방식의 피사계 심도 연출 방법을 연구해왔다. 하지만 대부분의 피사계 심도 연구는 실시간 렌더링(Realtime Rendering)으로 구현하기에는 계산 비용이 크며, 실시간 렌더링이 가능한 경우에도 대부분 순방향 매핑(Forward Mapping) 기반의 알고리즘을 기반으로 생성되기 때문에, 현대의 GPU 특성상 포스트 프로세싱 방식(Post-Processing) 방식의 렌더링 알고리즘과 비교해 상대적으로 높은 계산 비용을 요구한다. 본 논문은 실시간 렌더링에서 적용 가능한 포스트 프로세싱 방식 기반의 피사계 심도 연구에 초점을 맞추고 있다. 본 논문의 연구는 피사계 심도 생성에 있어 핵심 요소인 착란원(Circle of Confusion) 값을 저장하는 깊이 맵을 미리 생성한 후, 포스트 프로세싱 단계에서 깊이 맵의 착란원 값의 표준 정규 분포를 이용하여 샘플링 영역을 결정한다. 샘플링 영역이 결정되면, 샘플링 영역 안에서 일정한 간격을 갖는 샘플 위치들에 지터링(Jittering) 값을 더하여 최종 샘플링 위치를 결정한다. 이후 샘플링 위치의 착란원의 값과 현재 픽셀과 샘플링 위치 사이의 거리 값을 비교하여, 샘플링 위치의 착란원의 값이 거리 값보다 작은 경우 현재 픽셀에 대한 기여가 없다고 간주하여 샘플링 위치의 값을 배제한다. 이러한 방식으로 현재 픽셀에 기여하고 있는 샘플들을 확보한 후에는, 비슷한 깊이 값을 갖는 샘플들을 하나로 묶어 동적인 개수를 가지는 레이어에 저장한다. 마지막으로, 평균 깊이 값이 가장 작은 레이어부터 순서대로 알파 블렌딩(Alpha Blending) 기법으로 색상을 섞은 후, 디노이징(Denoising) 과정을 거쳐 노이즈가 제거된 최종 색상을 출력한다. 본 논문이 소개하는 피사계 심도 효과 생성 방식으로 비실시간 렌더링 방식의 결과와 유사한 결과를 얻을 수 있고, 이에 더해 포스트 프로세싱 과정 기반의 방식으로 피사계 심도 효과를 생성하였기에 다양한 상황에서도 보다 빠르고 안정적인 렌더링 속도 확보가 가능하다는 장점이 있다.
Depth of field effect is a technique that makes parts of image which is in focus clear, and makes rest parts of image blurred. Since most computer graphics rendering methods do not generate depth of field effects, it is possible to create more realistic images by considering depth of field effect ap...
Depth of field effect is a technique that makes parts of image which is in focus clear, and makes rest parts of image blurred. Since most computer graphics rendering methods do not generate depth of field effects, it is possible to create more realistic images by considering depth of field effect application when creating images, and in fact, it contributes to the creation of high quality images by applying the depth effect of the subject system in various 3D animations, games, etc. Thanks to the development of hardware such as GPU, the computer graphics field has studied various methods of depth production. However, most studies have a high calculation cost to implement in real-time rendering, even if it is possible to create depth of field adapted image in real-time rendering, most of them require high computational cost because it is created by forward mapping based algorithm. This paper focuses on the study of depth of field effects available in real-time rendering. The study in this paper generated a depth map that stores the circle of confusion value, which is a key factor in the depth of the subject. And it determines sampling radius using standard normal distribution of circle of confusion values in post processing. Once the sampling area is determined, the final sampling position is determined by adding jittering values to the sample locations with a constant interval within the sampling area. Then, it compares the value of x in the sampling position with the value of the distance between the current pixel and the sampling position. If the circle of confusion value of the sampling position is less than the distance value, the value of the sampling position is considered to be no contribution to the current pixel and is excluded. After obtaining samples that contribute to the current pixel in this way, the samples with similar depth values are grouped together and stored in a dynamic number of layers. Finally, colors are combined in order from layers with the lowest mean depth values to alpha blending techniques, then the final color with noise removed is created through the denoising process. Similar results were obtained when comparing images with non-real-time renderings with the depth effect of the subject created by the method of this paper. In addition, our work shows faster and more stable rendering speed in various situations.
Depth of field effect is a technique that makes parts of image which is in focus clear, and makes rest parts of image blurred. Since most computer graphics rendering methods do not generate depth of field effects, it is possible to create more realistic images by considering depth of field effect application when creating images, and in fact, it contributes to the creation of high quality images by applying the depth effect of the subject system in various 3D animations, games, etc. Thanks to the development of hardware such as GPU, the computer graphics field has studied various methods of depth production. However, most studies have a high calculation cost to implement in real-time rendering, even if it is possible to create depth of field adapted image in real-time rendering, most of them require high computational cost because it is created by forward mapping based algorithm. This paper focuses on the study of depth of field effects available in real-time rendering. The study in this paper generated a depth map that stores the circle of confusion value, which is a key factor in the depth of the subject. And it determines sampling radius using standard normal distribution of circle of confusion values in post processing. Once the sampling area is determined, the final sampling position is determined by adding jittering values to the sample locations with a constant interval within the sampling area. Then, it compares the value of x in the sampling position with the value of the distance between the current pixel and the sampling position. If the circle of confusion value of the sampling position is less than the distance value, the value of the sampling position is considered to be no contribution to the current pixel and is excluded. After obtaining samples that contribute to the current pixel in this way, the samples with similar depth values are grouped together and stored in a dynamic number of layers. Finally, colors are combined in order from layers with the lowest mean depth values to alpha blending techniques, then the final color with noise removed is created through the denoising process. Similar results were obtained when comparing images with non-real-time renderings with the depth effect of the subject created by the method of this paper. In addition, our work shows faster and more stable rendering speed in various situations.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.