在讨论它的好坏之前，我们可以先了解一下什么是云渲染，它能体现什么特性，然后再做一个对比会更好！什么是云渲染：云渲染类似于常规的云计算，即在远程服务器中渲染3D程序，用户端通过Web软件或者直接在本地3D程序中点击一个“云渲染”按钮，通过高速上网访问资源。用户终端发送指令，服务器根据指令执行相应的渲染任务，并将渲染结果画面发回用户终端显示。
云渲染可以体现“快”的特点：1)线程数高：
线程是指有多少台机器被用来渲染你的渲染图。也可以理解为你的渲染图上同时渲染了多少个网格。线程越高，渲染速度越快。
2)批量渲染：
如果设计师同时提交48个线程、渲染时间在一小时以内的120张图纸，这120张图纸一个小时内就可以全部拿下！每张0.8意味着80节省了99个小时的本地渲染时间，节省了四天四夜。在这四天里，设计师可以在本地电脑上多做100张，这就是批量渲染。
云渲染的另一个优势是可以同时渲染多个效果图，这是本地机器做不到的。提交多个渲染进行同时渲染，相比本地一个一个渲染可以节省很多时间。
3)在线渲染：当你急着渲染一张图片的时候，你的电脑的渲染性能也不过如此，但是云渲染就不一样了。云渲染有大量的服务器，都可以在线渲染。一般来说，你最多可以用10台机器在线渲染一张图片。
好了，差不多明白云渲染的特点了，再看自己的电脑渲染？
1)如果想快速渲染，就要考虑电脑的配置。如果你的电脑资源充足，能够消化，用自己的电脑渲染是没有问题的。
2)时间效率，自己用电脑渲染，需要在电脑旁待一天，然后等待渲染结果，
然后改图，再渲染单线操作；如果使用云渲染，设计和渲染可以两条线进行，互不影响，整个过程可以缩短数倍。
3000*2250 -96线程-19分05秒图片来源：过家家云渲染
200 * 1334-96线程-13分46秒图片来源：过家家云渲染
3)多画面渲染，比如你的电脑一次只能渲染一个画面，而云渲染可以批量渲染，同时在线。
总结：用云端渲染好还是自己的电脑渲染好？
1)如果考虑到钱的问题，还是用自己的电脑比较好。
2)如果考虑电脑和时间，云渲染也是不错的选择！
将文件放在云中进行渲染，设计师可能会担心：
1.渲染时间，渲染时间发现渲染尚未完成。
2.渲染时出现错误，并且在渲染图形时发现错误。
3.渲染文件的安全性，平台盗用渲染文件怎么办。
渲染时间：一般在线渲染平台会有不同的线程选择。如果你很着急，用高线！渲染错误：这种情况极其罕见。云渲染平台每天都有上万张图片，几乎每天都没有错误。平台还有预览功能，即使有错误，也可以提前发现，联系客服解决。
文件安全：大平台不敢偷用户的文件！这是行规。一旦发现，必须全网封杀！
所以最后的结论是：图片少的时候，可以用自己的电脑渲染，不浪费成本去追求渲染速度；图片多的时候用云渲染，用可控的开销换取渲染效率的提升。
电脑渲染图片
量子比特|微信官方账号QbitAI
渲染一个龙珠3D手工制作有多复杂，精细到头发和皮肤的皱纹？
对于经典型号NeRF，需要至少100张同一台相机从特定距离拍摄的手持照片。
但是现在，一个新的AI模型只需要40张无限来源的网上图片，就可以渲染整个手工制作！
对这些照片的拍摄角度、距离、亮度都没有要求，但是还原出来的画面可以很清晰，没有伪像：
你甚至可以从任何角度评估材料并重新打磨：
这个AI模型叫NeROIC，是USC和Snap team玩的新花样。
不同角度的照片可以渲染出3D模型。快进到只用照片制作电影.
有网友趁机火了一波NFT(手动狗头)
那么，NeROIC如何仅通过任何2D输入来获得物体的3D形状和属性呢？
在介绍这个模型之前，我们需要简单回顾一下NeRF。
NeRF提出了一种叫做神经辐射场的方法，用5D矢量函数来表示连续的场景，其中用五个参数来表示空间点的坐标位置(x，y，z)和视角方向(，)。
然而，NeRF有一些问题：
这种NeROIC针对以下两个方面进行了优化：
它主要由两个网络组成，包括深度提取网络(A)和渲染网络(C)。
首先，利用深度提取网络提取物体的各种参数。
为了让输入场景不受限制，你需要让AI先学会从不同背景抠图。然而，由于AI对相机位置的估计不准确，平铺图像中总是存在以下伪像(左):
因此，深度提取网络引入了相机参数，让AI学习如何估计相机的位置，即估计图片中的网友拍摄的角度和距离有多远，提取的图片接近真实效果(GT):
同时设计了一种新的算法来估计物体的表面法线，既保留了关键细节，又消除了几何噪声的影响(法线即模型表面的线条随光照条件而变化，从而影响光照渲染效果):
最后渲染网络，提取的参数用于渲染3D物体的效果。
具体来说，本文提出了一种结合颜色预测、神经网络和参数模型的方法，用于计算颜色和预测最终的法线。
其中NeROIC的实现框架是用PyTorch搭建的，训练中使用了4块NVIDIA Tesla V100显卡。
训练时，深度提取网络需要6~13小时，渲染网络需要2~4小时。
至于用于训练NeROIC的数据集，有三个主要部分：
来自互联网(部分商品来自网购平台，即亚马逊、淘宝)、书呆子、作者本人拍摄的影像(牛奶、电视、模特)。平均每个物体收集40张照片。
那么，这样的模式效果如何呢？
首先，本文对NeROIC和NeRF进行了比较。
从视觉效果来看，无论是物体渲染细节还是清晰度，NeROIC都要优于NeRF。
就峰值信噪比(PSNR)和结构相似度(SSIM)而言，深度提取网络的“抠图”技术相当不错，优于NeRF:
同时，论文还测试了渲染模型在更多场景下的效果，结果证明不会出现伪影等等：
还能生成新的角度，重新打光的效果也不错。例如，这是一个室外场景：
照亮室内场景是另一个效果：
作者还试图将照片数量减少到20张甚至10张来训练NeRF和NeROIC。
结果表明，即使数据集不足，NeROIC仍优于NeRF。
但也有网友表示作者没有给出玻璃或半透明材质的渲染效果：
对于AI来说，重建透明或半透明的物体确实是一项复杂的任务。代码出来后可以试试效果。
据作者称，该代码仍在编写中。网友调侃：“也许会在峰会上或者演讲结束后发布”。
目前在南加州大学读博。我的导师是中国计算机图形学领域的著名教授李浩。
毕业于清华计算机系，获学士学位，曾在胡世民教授的策划团队担任助理研究员。
本文是他在Snap实习期间做的，其余作者均来自Snap团队。
以后可能只需要网友的几个“卖家秀”，就可以真正在家里尝试VR云了。
地址：https://arxiv.org/abs/2201.02533
项目地址：https://formyfamily.github.io/NeROIC/
参考链接：[1]https://Zheng Fei Kuang . com/[2]https://ningding 97 . github . io/fevnerd/[3]https://twitter.com/Ben _ Ferns/status/1486705623186112520[4]3359
量子qbitai头条号签约
关注我们，第一时间获悉前沿科技动态。