[渲染]基于物理校准的精确材质流程

发表于 2025/07/24

作者 Jauved

9 分钟阅读

[渲染]基于物理校准的精确材质流程

00 前言

在 PBR 渲染领域, 大多数情况下通常由美术人员凭目视经验进行材质调整, 这在游戏行业也基本能够满足项目需求. 然而, 在工业及产品渲染（如车辆渲染）中, 渲染效果必须高度还原真实产品, 用户对材质还原度的要求远高于虚拟对象渲染时的水平.

此时, 用户的核心关注点是: “如何让材质看起来真实”.

虽然很令人沮丧, 但根据生物学研究表面, 人眼感知->大脑解析->语言描述, 经过这一系列的信息传递后, 我们很难对材质最基础的特性之一——颜色达成共识. 光照(极大的影响对物体颜色的判断), 物体的颜色本身(大脑会更容易将蓝色调的物体被当作是白色或灰色)

“人类在判断白色—灰色与彩色之间边界时, 对蓝色色调比对黄色（或红色、绿色）色调更具包容性——即同样幅度的蓝色偏移更容易被归因于光照而非物体本身. “

Asymmetries in blue–yellow color perception and in the color of ‘the dress’: Current Biology

“匹配实验显示, 不同组(年龄, 性别)在蓝色区域和棕色区域的光度与色度匹配上均有显著差异, 且在色度空间中呈三峰分布, 表明大脑可能基于对“冷暖光照先验”的差异性假设来解释该图像, 从而在三种“多稳定”解读之间切换. “

Striking individual differences in color perception uncovered by ‘the dress’ photograph: Current Biology

“色相和饱和度的匹配结果显示, 两组观察者在色度空间中高度重叠, 但在明度上差异显著：自称“白金”组的明度匹配值显著高于“蓝黑”组. 进一步, 图像中像素点色度分布几乎落在自然日光色度轴上, 增加了光照与物体反射率解模糊的难度. 当对图像进行色彩旋转或灰度处理时, 几乎所有观察者达成一致, 说明正是光照—反射率共变导致了原始图像中的多解性”

The many colours of ‘the dress’: Current Biology

基于此类现实, 我不得不承认并再次强调

“任何根据人眼观测还原的颜色都会因为个体的差异而存在非唯一性”

换言之, 依靠人眼严格还原现实中的颜色是不现实的.

01 处理方法

还原一个材质, 需要还原的是高光与漫反射.

其实, 在汽车工程领域, 工程师同样会面临这样的问题, 而他们早就已经拥有了解决这一难题的能力.

我们可以从一台汽车工程领域很普通的设备(对于图形渲染领域却不那么常见)入手.

“Spectrophotometer”

“分光光度计”.

高光部分
通过分光光度计可以捕捉到各个角度的高光光强,
在迪斯尼的免费软件BRDF Explorer中, 我们可以看到流行的GGX阴影模型的形状对参数输入的反应. 然后基于此, 去尝试匹配各个角度的反射光强度.

颜色部分
颜色是我们头脑中的一个概念. 分光光度计并不捕捉颜色数据.
它捕获XML文件.
每次材质扫描后, 你会发现这些XML文件被称为 “Digital Masters”. 这是一个来自汽车行业的术语, 如果你向汽车公司的人提到 “Digital Masters”, 他们会立即知道你在说什么. 在过去没有电脑的时候, 汽车公司会评估大量的色板, 他们会挑选自己最喜欢的色板, 并将其制作成 “母版”. 如今, 所有的东西都被扫描并以数字方式存储, 因此有了 “Digital Masters “一词.
而在XML文件的数据中, 我们需要关心的是: Spectrum(光谱)栏的数据——Spectral Power Distribution(光谱功率分布), 它描述了光功率与波长的关系.
下面的事情, 就是通过数据, 绘制曲线, 通过某一个标准, 例如”ASTM E308”(全称”Standard Practice for Computing the Colors of Objects by Using the CIE System”, 最新的是E308-22, 当然, 事实上大概率无需如此新的版本即可满足需要), 将数据转换为XYZ颜色, 再将XYZ颜色转换为Lab颜色(CIELAB).
Q: 为什么采用Lab颜色?
A: 首先, 它涵盖了我们所能看到的所有颜色, 即人眼可见的所有颜色, 而不是像sRGB那样只是一个小的子集. 在处理现实世界的材质时, 你显然不希望错过任何颜色.
其次, 这个色彩空间是 “感知统一 “的, 因此它有一个非常有趣的特征, 叫做Delta E. Delta E是量化色差的概念, 它只是这个体积中两点之间的距离.
例如, 如果我取一种颜色, 例如黄色和第二种颜色青色, 我得到的距离是98. 然后, 如果我采取第三种颜色, 即红色, 黄色和红色之间的距离是73. 这有什么意义呢? 重点是, 通过观察这些数字, 我可以明确地说, 青色与黄色的区别比红色大得多. 以科学的名义!