图片增强现实——NVIDIA
即使是最复杂的游戏，其实时渲染依然无法实现真实的现实场景，人眼一眼就能分辨模拟图片和真实图片。
因此利用游戏引擎渲染过程中产生的中间缓冲（G-Buffers）作为训练卷积神经网络的额外输入信号，进一步增强游戏中图片的真实性，同时消除之前基于深度学习的方法可能会产生的不和谐不合理幻像（不同图像现实增强的数据集中的场景布局会带来不同的视觉效果）。
不直接生成数据，而是在已经渲染的图像上进行增强，集成场景信息来合成几何上和语义上一致的图像。
网络主要包含：
图像增强网络（基于HRNetV2）：以渲染之后的图像作为输入，输出增强现实之后的图像。将开头的降采样卷积改为步长为1的卷积，在每个分支的residual block中，将BN替换为rendering-aware denormalization modules（RAD），构建RAD Blocks，每个分支接受一个对应的G-buffer特征作为辅助输入。
图像增强网络的目标函数有二：
1.LPIPS loss反映图像之间的结构差异
2.感知鉴别器评估图像的真实性
G-buffer Encoder Network：rendering buffer提供了几何学/材料/光照等等场景信息，该信息通过G-buffer Encoder Network得到多尺度的G-buffer特征，同样作为图像增强网络的输入；
G-buffers分别送入C个分支(C为类别数)，得到的向量分别与对应类别的mask点乘，然后对类别求和，送入G-buffer Encoder中。
Rendering-aware denormalization:
每个尺度的G-buffer特征经过三个residual block和两个并行卷积得到缩放和偏移参数
感知鉴别器（Perceptual discriminator）：
包含预训练的分割网络和感知特征提取网络和多个鉴别器网络，将VGG每个Relu后的特征送入鉴别器（多尺度的）。每个鉴别器网络包含五个Convolution-GroupNorm-LeakyReLU (CGL) layers（产生256维特征y）和一个Convolution-LeakyReLU-Convolution (CLC) layer（将特征变为单通道向量z），特征y与分割图得到的特征算内积，然后与z相加得到真实性得分。
由于不同数据集的场景不同，在进行domain迁移的时候可能会产生一些不合理的现象（过拟合于source domain），如CityScapes中图片上方天空出现的概率低于GTAV（一般可能是树木），因而采用GAN将GTAV风格的图片翻译为Cityscapes风格的时，可能会在图片上方生成树木，这显然不合理。同理，如果以Cityscapes数据集作为真实图片，那么判别器很容易就做出如下判断：图片上方是天空的大概率是渲染图片，图片上方是树木的大概率是真实图片，从而将该信号传递至生成器，使得生成出来的图片上方可能出现树木，这不是我们期待的结果。因而从GTAV和Cityscapes中随机选取的图片场景布局是不同的，哪怕前景类别数量相同，所以需要构建不同的采样策略，不能盲目扩大真实图像和渲染图像的patch尺寸以增大上下文，将crop size缩放到整幅图片大小的7%。其次，在整个数据集上匹配图像块：将图片裁剪为196像素的图像块，每个图像块经过ImageNet上的预训练VGG模型得到512维的特征（最后一个relu），如果真实图像的图像块与渲染图像的图像块余弦相似度大于0.5，则认为两者匹配。
