Neural Anti-Aliasing in OpenGL Implementazione e analisi sperimentale

Il problema dell'aliasing è un fenomeno visivo che si manifesta quando un'immagine digitale viene campionata su una griglia discreta di pixel dello schermo, causando artefatti indesiderati come scalettature e sfarfallio. Per affrontare questo problema, questa tesi propone un approccio che usa una rete neurale convoluzionale (CNN), nello specifico una Residual U-Net, per stimare la correzione da applicare all'immagine con aliasing utilizzando, oltre all'immagine renderizzata, anche informazioni geometriche fornite dal renderer. Viene quindi descritto il funzionamento della pipeline di rendering implementata che utilizza l'API grafica OpenGL e come è stata utilizzata per generare il dataset di immagini usate per l'addestramento. La tesi è conclusa con un'analisi dei risultati ottenuti una volta terminato l'allenamento della rete in due configurazioni diverse, confrontando le immagini ottenute dalla rete con quelle di alcune tecniche classiche di anti-aliasing.