Utilizzo di reti avversarie generative per il miglioramento di render di immagini 3D

Negli ultimi decenni, l'intelligenza artificiale ha rivoluzionato numerosi campi, incluso il rendering delle immagini digitali, essenziale per l'industria cinematografica, architettonica e dei videogiochi. Il rendering richiede elevata potenza computazionale per calcolare l'interazione della luce con oggetti 3D, processo che l'IA può ottimizzare notevolmente. Questa tesi esplora l’utilizzo di reti avversarie generative (GAN), per migliorare ed efficientare il processo di rendering partendo da immagini parzialmente elaborate. Attraverso l'uso delle GAN, si è ottenuto un notevole miglioramento nell'efficienza, riducendo i tempi di rendering da ore a pochi minuti o secondi. Tuttavia, l'integrazione di queste tecniche nei motori di rendering esistenti richiede ulteriore sviluppo per sfruttare appieno il loro potenziale. I risultati sperimentali mostrano che, sebbene le immagini generate dalle reti neurali non raggiungono ancora la perfezione dei metodi tradizionali con un alto numero di campioni per pixel e denoising, offrono una valida alternativa per anteprime rapide e visivamente coerenti, cruciali nelle fasi di sviluppo e pre-visualizzazione.