Monte Carlo veya çift yönlü yol izleme gibi Monte Carlo görüntü oluşturma yöntemlerinin çoğu açıklaması, numunelerin bağımsız olarak üretildiğini varsayar; yani, bağımsız, muntazam dağıtılmış sayıların bir akışını üreten standart bir rastgele sayı üreteci kullanılır.
Bağımsız olarak seçilmeyen numunelerin gürültü açısından faydalı olabileceğini biliyoruz. Örneğin, tabakalı örnekleme ve düşük tutarsızlık dizileri, oluşturma sürelerini neredeyse her zaman iyileştiren ilişkili örnekleme şemalarının iki örneğidir.
Bununla birlikte, örnek korelasyonunun etkisinin net olmadığı birçok vaka vardır. Örneğin, Metropolis Hafif Ulaşım gibi Markov Zinciri Monte Carlo yöntemleri , bir Markov zinciri kullanarak ilişkili örneklerin bir akışını üretir; çok ışıklı yöntemler , birçok kamera yolu için küçük bir ışık yolu kümesini yeniden kullanır ve birçok ilişkili gölge bağlantı oluşturur; foton haritalama bile verimliliğini birçok pikselde ışık yollarını yeniden kullanarak elde eder ve örnek korelasyonunu da (taraflı bir şekilde olmasına rağmen) arttırır.
Tüm bu oluşturma yöntemleri belirli sahnelerde faydalı olabilir, ancak diğerlerinde işleri daha da kötüleştiriyor gibi görünmektedir. Farklı oluşturma algoritmalarına sahip bir sahne oluşturmak ve birinin diğerinden daha iyi görünüp görünmediğini gözetlemekten başka, bu tekniklerin getirdiği hata kalitesini nasıl ölçeceğiniz açık değildir.
Soru şu: Örnek korelasyon, Monte Carlo tahmincisinin varyansını ve yakınsamasını nasıl etkiler? Hangi tür örnek korelasyonun diğerlerinden daha iyi olduğunu bir şekilde matematiksel olarak belirleyebilir miyiz? Örnek korelasyonun faydalı mı yoksa zararlı mı olduğunu etkileyebilecek başka hususlar var mı (örneğin, algısal hata, animasyon titremesi)?
