為彩色3D打印實現(xiàn)精準的色彩優(yōu)化

導讀：捷克共和國查爾斯大學計算機圖形組（CGG）提出了一種用于3D彩色打印的神經散射補償。與使用無噪聲蒙特卡洛模擬的方法相比，該技術在上述情況下實現(xiàn)了300倍的速度提升，同時提供相同的質量。

這個研究小組最近發(fā)表了一篇題為 "Neural Acceleration of Scattering-Aware Color 3D Printing "的論文，介紹了他們改進全彩色3D打印的新方法。他們的建議是通過使用通過機器學習獲得的模型來預測3D打印件內發(fā)生的次表面散射效應，這也加快了打印過程。通過使用這種預測，他們假設用戶可以使用虛擬優(yōu)化，通過重新安排物體內部的材料來補償一些不需要的顏色效果。
相關鏈接：http://www.beckysfeelgoodyoga.com/forum ... n=newthread&fid=231

摘要指出：隨著全彩3D打印機的廣泛使用，色彩準確的3D打印準備已經受到越來越多的關注。一個關鍵的挑戰(zhàn)在于常用打印材料的固有的半透明性，它模糊了顏色紋理的細節(jié)。以前的工作試圖通過對打印機體素的彩色主材料的戰(zhàn)略分配來補償這些散射效應。到目前為止，最高質量的方法是使用迭代優(yōu)化，依靠計算成本高的蒙特卡洛光傳輸模擬來預測給定印刷材料分布中的次表面散射的表面外觀。然而，這種優(yōu)化在一臺機器上需要幾天的時間。

在這項工作中，通過用數(shù)據(jù)驅動的方法取代光傳輸模擬，極大地加快了這個過程。利用深度神經網絡來預測高度異質介質中的散射，方法比蒙特卡洛渲染快兩個數(shù)量級，同時產生類似質量水平的優(yōu)化結果。該網絡是基于大氣云層渲染的既定方法，適合于我們的領域，并通過一個物理上的權重共享方案進行擴展，大大減少了網絡的大小。研究分析了其在端到端打印準備流程中的性能，并將質量和運行時間與其他方法進行了比較，并證明了其對未見過的幾何體和材料值的通用性。這首次實現(xiàn)了在實際打印時間的范圍內對3D打印準備進行完全的異質材料優(yōu)化。