PS-Wild

我们还为评估目的创建了一个测试数据集。生成图像的计算管道与训练数据集的计算管道相同，但是使用不同的3-D资产进行公平评估; 来自CGTrader的25个对象，来自shareextures的50个材料和来自sIBL存档的50个环境地图。对于每个3-D模型，我们分配两组材质和环境图，从而产生50组不同的对象，材质和环境图。与训练数据集不同，我们会根据每个纹理类别仔细选择六个纹理; 在sharretextures中分类的混凝土，织物，地板，地面，木材和金属。为了正确评估一种方法在各种照明条件下的性能，我们使用三种不同的照明方法为同一组对象和材料渲染图像; (a) 单方向照明 (均匀采样)，(b) HDRI照明 (与培训相同) 和 (c) (a) 和 (b) 的混合物。图像分辨率也是512 × 512，但是图像数量是32，以评估输入图像数量不同的性能。