环境光遮蔽（AO）是一种广泛应用于实时3D应用中的渲染技术，它模拟了环境光在场景中由于物体遮挡而产生的低频率阴影效果，能够有效的增强场景的真实感。目前，针对动态场景中的实时AO的求解主要有两种方法：基于屏幕空间的环境光遮蔽和基于深度学习的环境光遮蔽方法，二者都是使用存储在G缓存区中的屏幕空间信息来生成AO。前一种方法已被广泛使用、改进，但由于采用经验性采样策略的原因，经常会产生一些不准确的结果或者计算效率较低；后者因为神经网络的通用性而备受关注，但由于网络结构和损失函数的不足，往往会在生成效果上遗漏细节。

     本文将计算AO视为生成性学习任务，引入感知损失和注意力机制来关注AO的细节。一方面，通过权重的重分配可以更好地将物体边缘区域信息与物体周围地全局信息结合起来，从而使复杂几何体周围的遮挡效果更加准确；另一方面，在AO场景中，网络处理高维数据时会消耗更多的计算资源，而注意力机制可以通过降维的方式来得到最有价值的子集，抑制次要信息。

      本文提出了一种端到端的生成对抗网络AOGAN以生成高质量的AO，可以集成到延迟渲染框架，为虚拟现实方面的实时渲染提供技术基础。

      论文链接：

      https://link.springer.com/article/10.1007/s41095-021-0248-2

      我校2020硕士研究生任磊为论文的第一作者，新葡萄88805官网新葡萄88805官网（原信息学院）宋滢副教授为通讯作者。

      通讯作者简介

      宋滢，工学博士，副教授，硕士生导师。主要从事真实感渲染和材质建模研究。以第一作者和通讯作者在ACM TOG, The Visual Computer, Computational Visual Media,等期刊发表SCI论文10余篇。授权国家发明专利1件。主持了国家自然科学基金(青年)，省公益研究计划等项目。曾担任Siggraph,Pacific Graphics、CGI等CCF推荐学术会议的审稿人，中国图象图形学会智能图形专委会委员。