为彩色3D打印实现精准的色彩优化

导读：捷克共和国查尔斯大学计算机图形组（CGG）提出了一种用于3D彩色打印的神经散射补偿。与使用无噪声蒙特卡洛模拟的方法相比，该技术在上述情况下实现了300倍的速度提升，同时提供相同的质量。

这个研究小组最近发表了一篇题为 "Neural Acceleration of Scattering-Aware Color 3D Printing "的论文，介绍了他们改进全彩色3D打印的新方法。他们的建议是通过使用通过机器学习获得的模型来预测3D打印件内发生的次表面散射效应，这也加快了打印过程。通过使用这种预测，他们假设用户可以使用虚拟优化，通过重新安排物体内部的材料来补偿一些不需要的颜色效果。
相关链接：https://www.nanjixiong.com/forum ... n=newthread&fid=231

摘要指出：随着全彩3D打印机的广泛使用，色彩准确的3D打印准备已经受到越来越多的关注。一个关键的挑战在于常用打印材料的固有的半透明性，它模糊了颜色纹理的细节。以前的工作试图通过对打印机体素的彩色主材料的战略分配来补偿这些散射效应。到目前为止，最高质量的方法是使用迭代优化，依靠计算成本高的蒙特卡洛光传输模拟来预测给定印刷材料分布中的次表面散射的表面外观。然而，这种优化在一台机器上需要几天的时间。

在这项工作中，通过用数据驱动的方法取代光传输模拟，极大地加快了这个过程。利用深度神经网络来预测高度异质介质中的散射，方法比蒙特卡洛渲染快两个数量级，同时产生类似质量水平的优化结果。该网络是基于大气云层渲染的既定方法，适合于我们的领域，并通过一个物理上的权重共享方案进行扩展，大大减少了网络的大小。研究分析了其在端到端打印准备流程中的性能，并将质量和运行时间与其他方法进行了比较，并证明了其对未见过的几何体和材料值的通用性。这首次实现了在实际打印时间的范围内对3D打印准备进行完全的异质材料优化。