论文部分内容阅读
随着深度学习技术的发展,研究人员已提出诸多基于深度学习的反走样算法,用于提升图形渲染的质量,然而现有的深度学习反走样算法并未有效利用图形渲染的优势。针对上述问题,将图形绘制过程中涉及到的G-Buffer信息、时序反走样的理念及循环神经网络相结合,提出一种基于G-Buffer的深度学习反走样算法。实验结果表明,该算法可有效解决几何边缘等高频区域的走样现象,并取得和超采样反走样算法类似的效果。