深度学习降噪专题课：课程介绍

大家好~本课程基于全连接和卷积神经网络，学习LBF等深度学习降噪算法，实现实时路径追踪渲染的降噪

本课程偏向于应用实现，主要介绍深度学习降噪算法的实现思路，演示实现的效果，给出实现的相关代码

线上课程资料：
扫码加QQ频道，获得相关代码等资料，与群主交流讨论：

本系列文章为线上课程的复盘，每上完一节课就会同步发布对应的文章

本文为第一节课：课程介绍的复盘文章

本课程系列文章可进入合集查看：
深度学习降噪专题课系列文章合集

为什么要学习深度学习？

我主要关注在图形学中的应用，在“深度学习和图形学渲染的结合和应用” 中总结了深度学习在图形学中的部分应用。

具体来说应用包括下面几个方面：

如上图所示，左边为路径追踪生成的有噪点的场景图片，右边为经过深度学习降噪后的清晰图片

降噪主要使用深度学习中的卷积神经网络，这也是本课程会重点学习的
在最新的论文中，已经实现了10ms降噪，从而可以用在实时渲染的全局光照中了！

具体说就是2D图片转成3D场景

比如谷歌之前发布的3D地图，就是使用了该技术。它先从多个角度拍摄街道，然后通过深度学习中的NeRF将其转换为可从任意视角观看的3D模型

深度学习通过GAN网络，可以将“我的世界”这种体素构成的3D场景，转换为三角面构成的3D场景，从而可以实现玩家在游戏中既可以像我的世界那样，通过操作体素的方式自定义世界，又可以切换到真实渲染模式（三角面组成的3D场景）查看渲染精美的3D场景

在Real-time Neural Radiance Caching for Path Tracing论文中，提出了使用深度学习实现辐照度缓存，从而加快路径追踪的渲染速度

在NeuMIP: Multi-Resolution Neural Materials论文中，提出了使用深度学习实现高清分辨率的纹理

本课程在《深度学习基础课》的基础上进行降噪专题的学习，请大家首先阅读下面的资料，对深度学习基础班的内容有一个大概的了解：
深度学习基础课系列目录

Rescript
Rescript以前叫Reasonml，它跟Typescript类似，都属于编译到Javascript的语言
Rescript是从Ocaml而来，基于函数式编程范式，高度优化了编译后的Javascript，性能非常好，非常适合像深度学习这种处理数据的场景
Rescript的学习资料为：
官方文档
WebGPU

课程内容包括：