技术摘要：
本发明公开了基于神经网络的参与性介质多重散射绘制方法及系统，将待绘制介质的散射发生时的空间位置、出射方向和介质属性，输入到训练好的神经网络模型中，输出待绘制介质中的初始虚拟射线光源光束对相机摄像中相机射线某一个采样点的多重散射辐射度值；将待绘制介质  全部
背景技术：
本部分的陈述仅仅是提到了与本公开相关的
技术实现要素：
，并不必然构成现有技术。 随着动画、电影和游戏产业的发展，为了模拟出逼真的场景效果，真实感渲染已经 成为计算机图形学研究领域的核心内容之一。全局光照作为真实感渲染的关键组成部分， 融合了来自光源的直接光照和来自场景中其他物体反射的间接光照，这意味着它需要考虑 环境中所有表面和光源相互作用的照射效果，使最终的渲染结果更接近现实场景。 同时，在自然世界中，随处可见各种稀疏不一的体积材质，例如天上的白云，堆积 的雪山，朦胧的烟雾，浓稠的牛奶等等，称这些材质为参与性介质。具体来说，光线碰撞到该 介质后，根据介质边界的属性折射进入介质内部，在之后的传播过程中，由于参与性介质中 存在许多细小的颗粒，光线并不会继续沿着直线进行传播，而是会随机的进行衰减或散射。 对于平均自由路径非常小的介质来说，多重散射在整个介质颜色中占了大量比例，为了在 渲染中更好的模拟出这种参与性介质的特性，需要追踪大量的散射路径，这个步骤将会非 常耗时。 发明人发现，模拟光线在参与性介质中的多重散射现象一直是一个复杂的问题， 对于不同形状，不同参数的包含参与性介质的物体，都必须去采样每一条光线在介质中的 每次散射情况，并依次计算出对相机光线的贡献度，非常耗时。