这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

BRDF模型感知质量评估：基于立体HDR视频数据集的综合研究

作者及机构
本研究由瑞典Linköping大学的Behnaz Kavoosighafi、Saghi Hajisharif、Ehsan Miandji和Jonas Unger，以及英国剑桥大学（University of Cambridge）的Rafał K. Mantiuk合作完成，发表于2025年的《Computer Graphics Forum》期刊（Volume 44, Number 4），隶属于Eurographics Symposium on Rendering 2025会议论文集。

学术背景
双向反射分布函数（Bidirectional Reflectance Distribution Function, BRDF）是计算机图形学中描述材料表面光散射特性的核心模型。尽管BRDF的测量与建模技术已取得显著进展，但现有模型在精度与复杂度之间需权衡取舍，且传统拟合方法（如基于对数反射率均方误差的损失函数）与人类感知质量的相关性较差。该研究旨在解决以下问题：
1. 当前BRDF拟合误差与渲染图像感知质量之间的脱节现象；
2. 缺乏针对新兴机器学习BRDF模型的感知质量评估标准；
3. 现有质量指标在图像空间（image-space）与BRDF空间（brdf-space）的局限性。

研究目标包括：构建首个高动态范围（HDR）立体视频数据集，量化不同BRDF模型的感知质量退化；评估现有指标与感知质量的相关性；提出优化的BRDF拟合损失函数。

研究流程与方法
1. 数据集构建
- BRDF样本选择：从MERL、DTU和RGL-EPFL数据集中选取159种各向同性材料，涵盖漫反射、光泽和镜面材质。
- 模型拟合：采用9种BRDF模型（包括参数化模型Ward、GGX，以及非参数化模型NeuralBRDF、SparseBRDF和HyperBRDF），通过对数余弦加权误差函数（式1-2）进行拟合。
- 渲染生成：使用Mitsuba 3渲染器，以斯坦福兔子模型为几何基础，在Pixar Campus环境光照下生成150帧HDR立体视频（分辨率880×970像素，30fps），模拟真实物体旋转交互场景。

1. 感知质量实验

   • 实验设备：定制多焦点HDR立体显示器（动态范围0.01–4,000 cd/m²），支持精确的立体校准与高保真色彩再现。
     
   • 实验设计：20名参与者通过成对比较法评估视频质量，参考视频为原始BRDF渲染，测试视频为拟合模型渲染。采用主动采样技术（ASAP）优化数据收集效率，累计完成450组对比。
     
   • 数据分析：使用贝叶斯缩放方法将主观评分转换为可感知差异单位（JOD），并通过Spearman秩相关系数（SROCC）量化指标与主观评分的相关性。
     

2. 指标评估

   • BRDF空间指标：测试8种误差度量（如RMS-logWE、MA-logWE），分析其对不同ϵ值（10⁻⁶–1）的敏感性。
     
   • 图像空间指标：评估33种现有指标（如ΔEITP、LPIPS、HDR-VDP-3），比较其在HDR内容下的表现。
     

主要结果
1. 主观质量排名
- 学习型模型（如NeuralBRDF）在复杂材质（如金属漆）上表现最优，但参数量较大（675个）；参数化模型中GGX优于Ward。
- 部分材质（如bluebook、violet-acrylic）因多层反射或强高光特性，现有模型均无法准确拟合（JOD评分<8.5）。

1. 指标相关性

   • 图像空间指标：ΔEITP（ITP色彩空间欧氏距离）相关性最高（SROCC=0.8），显著优于传统指标（如PSNR-Y的SROCC=0.4）。
     
   • BRDF空间指标：MA-logWE（ϵ=0.0001）最佳（SROCC=0.553），但整体相关性较低，验证了BRDF误差与渲染感知质量的脱节。
     

2. 损失函数优化

   • RMS-logWE（ϵ=0.001）作为拟合损失函数时，渲染误差（ΔEITP）最小（17.07），但图像驱动方法（Bieron et al.）仍更优（ΔEITP=16.56）。
     
   • 对数变换相比线性变换（如RMS-E）显著提升拟合质量，而余弦加权对优化过程无显著帮助。
     

结论与价值
1. 科学价值
- 首次系统评估了机器学习BRDF模型的感知质量，揭示了参数化与非参数化模型的适用场景边界。
- 证实ΔEITP可作为BRDF质量评估的金标准，为后续研究提供基准。

1. 应用价值
   
   • 数据集（DOI:10.17863/cam.118756）支持BRDF模型的感知驱动优化。
     
   • 推荐RMS-logWE作为高效拟合损失函数，平衡计算成本与渲染质量。
     

研究亮点
1. 创新数据：首个HDR立体视频数据集，涵盖复杂几何与自然光照条件，超越传统静态图像评估的局限性。
2. 方法学贡献：结合主动采样与贝叶斯缩放，高效获取高精度主观标签。
3. 跨模型对比：首次纳入HyperBRDF等新兴模型，拓展了BRDF研究的评估维度。

其他发现
- 环境光照（Pixar Campus地图）对材质光泽度感知影响微弱，与Serrano et al. (2021)结论一致。
- 立体显示可增强深度线索，但需控制聚散-调节冲突（verge-accommodation conflict）。

此报告全面覆盖了研究的背景、方法、结果与意义，突出了其在计算机图形学与感知科学交叉领域的贡献。