News Neural Rendering Methoden - Entwicklungsarbeit bei AMD

[User-News]

Eine Ingenieurs-Gruppe von AMD (SungYe Kim, Harish Anand, Alexandr Kuznetsov, Wojciech Uss, Wojciech Kaliński, Rama Harihara) hat auf GPUOpen ein Papier zu Global Illumination für Echtzeit-Grafik anhand von Neural Rendering vorgesgellt. Dabei werden mit einem Temporalen Variationen-Auto-Encoder die KI-Trainingsdaten jeweils vom vorangegangenen Bild in Form von UNet basierten Daten ergänzt bzw. aktualisiert. Ein Pixel-Flicker wird dadurch eliminiert, es soll ein komplett stabiler Bildeindruck entstehen, allerdings sind aktuelle Beschleuniger noch zu langsam.

Temporally stable generative illumination with a one-step diffusion model

A generative method for real-time global illumination using a single-step latent diffusion model, delivering stable, high-quality lighting without costly iterative processing.

gpuopen.com

Die Arbeit wurde auch im Rahmen der ECCV 2026 in Malmö präsentiert. (Inferencing unoptimiert, 512x512 Demo @3FPS, RTX3090)

Die Gruppe schreibt damit eine zuvor im Juli 2025 veröffentlichte Methode mit ähnlichen Werkzeugen fort, bei der es um Kaustiken bzw. Lichteffekte bei Schlaglicht geht.

Generative AI model for Global Illumination effects

Our generative AI research leverages diffusion-based techniques to generate indirect illumination effects for the new era of neural rendering.

gpuopen.com

Eine weitere Vorarbeit liegt im veröffentlichten Papier zu Lightweight Attention-based Indirect Illumination vor, anlässlich der Siggraph vom Juli 2026.

 

[E555user]

MLID Diskussion über diese Entwicklungen