ディープMonte Carloレンダリングの時空間ニューラルデノイジングのための不規則近傍アテンション
論文 『Ragged Neighborhood Attention for Spatiotemporal Neural Denoising of Deep Monte Carlo Renderings』 著者 Xianyao Zhang · Gerhard Röthlin · Tunç Ozan Aydin · Farnood Salehi · Marios Papas 研究 Disney Res
論文 『Ragged Neighborhood Attention for Spatiotemporal Neural Denoising of Deep Monte Carlo Renderings』
著者 Xianyao Zhang · Gerhard Röthlin · Tunç Ozan Aydin · Farnood Salehi · Marios Papas
発表 SIGGRAPH 2026
公開 2026-07-16
動画 6分32秒
ディープ画像の構造を維持する時空間デノイザー
ディープ画像は、1ピクセル内に深度の異なる複数のサンプルを「ビン」形式で保存する。重なり合った物体を分離して合成しやすい一方、ピクセルごとにビンの数が異なるため、固定サイズの畳み込みカーネルを使う従来のニューラルネットワーク・デノイザーとは相性が悪く、モンテカルロレンダリングのノイズ除去も難しい。
研究チームは、空間と時間の近傍を調べる際に必要となるビン同士の関係を動的に見つけるRagged Neighborhood Attention、略してRaNA演算子を提案した。これを基に、ディープ・モンテカルロレンダリング向けとして初となる時空間ニューラルデノイザー「RaNAD」を構築した。
RaNADは、マルチU-Netとマルチスケール復元構造、最適化されたCUDA実装を使用する。deep-Zとdeep-OIDの両形式に対応し、最大7フレームを一度に処理することで、単一フレーム方式よりも時間的なちらつきや不安定さを抑える。
出力映像はノイズを除去した後も、ディープ合成に必要なレイヤー構造をそのまま維持する。平面画像に展開して比較した場合も、強力な一般画像デノイザーと競合できる品質を示し、複数のAOVを使用するオフラインレンダリングや合成パイプラインに直接接続できる方向性を示している。