Neden monte carlo ray izleme dağıtılmış ray izlemeden daha iyi performans gösteriyor?


30

Monte edilmiş bir karlo ışını izleyicisinin kalitesinin (yol izleme algoritmalarına dayanarak) dağıtılmış (stokastik) bir motordan çok daha gerçekçi olduğunu duydum. Nedenini anlamaya çalışıyorum, ama daha yeni başlıyorum.

Bu konuya girip temelleri anlamak için, biri beni doğru yöne götürebilir mi? Algoritmanın hangi kısmı daha gerçekçi bir render sonucuna yol açar?


9
"Sağlam bir kitap önerisi" nden daha fazlasını istiyorum, çünkü bu soruya bunu bilen biri tarafından doğrudan cevap verilmelidir. Site dışına işaret etmek yerine siteye bilgi koymaya çalışmalıyız.
Robobenklein

@robobenklein Soru düzenlendi, dikkatli olsan iyi düşün;)
p2or

@ChristianRau "Teşekkürler" in kaldırılması bir metada tartışılmalıdır, bu her borsanın değişim bölgesinde farklıdır ...
p2or

1
@poor Hayır, gerçekten değil. Bu hiçbir zaman değişmeyen bir şey. Özel kurallarımız olmadığı sürece, SE genel kurallarını yine de kullanıyoruz. Ancak o zaman bile, buna izin verilecek oy verebilecek birini hayal bile edemiyorum. Bunun, herhangi bir SE sitesinde iyi bir uygulama olduğunu hiç görmedim.
Chris, Reinstate Monica’yı

Yanıtlar:


31

"Dağıtılmış ışın izleme" terimi, ilk olarak 1984 tarihli bu makalede Robert Cook tarafından kullanılmıştır.. Onun gözlemi, ışın izleyicide kenar yumuşatma yapmak için, işleyicinin uzamsal yukarı örnekleme yapması gerektiğidir - yani görüntüdeki piksel sayısından daha fazla örnek almak (yani daha fazla ışın çekmek) ve sonuçlarını birleştirmek . Bunu yapmanın bir yolu, bir piksel içinde birden fazla ışın çekmek ve örneğin renk değerlerini ortalamaktır. Bununla birlikte, oluşturucu, yumuşatılmış bir görüntü elde etmek için zaten her bir piksel için zaten birden fazla ışın izliyorsa, bu ışınlar, aynı zamanda, tek bir ışın tarafından yakalanamayan örnekleme efektlerine, sadece piksel konumundan ziyade, ek boyutlar arasında "dağıtılabilir". . Önemli olan, bunun zaten mekânsal örneklemenin üstüne hiçbir ek ücret ödemeden gelmesidir, çünkü zaten bu ek ışınları izliyorsunuz. Örneğin,

Monte Carlo ışın izleme biraz belirsiz bir terimdir. Çoğu durumda, oluşturma denklemini çözen oluşturma tekniklerini ifade eder.1986 yılında Monte Carlo entegrasyonunu kullanarak Jim Kajiya tarafından tanıtıldı. Pratik olarak, yol izleme, çift yönlü yol izleme, aşamalı foton haritalama ve VCM gibi oluşturma denklemini çözen tüm modern işleme teknikleri Monte Carlo ışın izleme teknikleri olarak sınıflandırılabilir. Monte Carlo entegrasyonu fikri, entegrasyon alanındaki rastgele noktaları seçerek ve bu noktalarda fonksiyonun değerinin ortalamasını alarak herhangi bir fonksiyonun integralini hesaplayabilmemizdir. Yüksek seviyede, Monte Carlo ışın izlemede bu tekniği, piksel değerini hesaplamak için kameraya bir piksel içinde gelen ışığın miktarını entegre etmek için kullanabiliriz. Örneğin, bir yol izleyici bunu ilk ışını çekmek için piksel içindeki bir noktayı rastgele seçerek yapar ve sonra üzerine indiği yüzeyde devam etmek için rastgele bir yön seçmeye devam eder, ve diğerleri. Hareket bulanıklığı yapmak istiyorsak, zaman ekseninde rastgele bir konum seçebilir veya alan derinliği yapmak istiyorsak açıklıkta rastgele bir nokta seçebiliriz veya ...

Bu, dağıtılmış ışın izlemeye çok benziyorsa, bunun nedeni budur! Dağıtılmış ışın izlemesini, yumuşak gölgeler gibi belirli efektleri örnekleyen bir Monte Carlo algoritmasının gayri resmi bir açıklaması olarak düşünebiliriz. Cook'un makalesi, doğru bir şekilde mantıklı bir şekilde düşünmek için matematiksel çerçeveden yoksundur, ancak basit bir Monte Carlo oluşturucuyu kullanarak dağıtılmış ışın izlemeyi kesinlikle uygulayabilirsiniz. Dağıtılmış ışın izlemenin, doğal olarak görüntü oluşturma denkleminde modellenen küresel ışıklandırma etkilerinin herhangi bir tanımının bulunmadığına dikkat çekmek önemlidir (Kajiya'nın makalesinin Cook'un makalesinden iki yıl sonra yayınlandığı belirtilmelidir).

Monte Carlo ışın izlemesinin dağınık ışın izlemenin daha genel bir sürümü olduğunu düşünebilirsiniz. Monte Carlo ışın izleme, dağıtılmış ışın izleme belgesinde belirtilenler dahil pratik olarak herhangi bir efekti ele almanıza izin veren genel bir matematiksel çerçeve içerir.

Bu günlerde, “dağınık ışın izleme” aslında orijinal algoritmaya atıfta bulunmak için kullanılan bir terim değildir. Daha sık olarak, sadece hareket bulanıklığı, alan derinliği veya tek örnekli bir ışın izleyiciyle idare edilemeyen yumuşak gölgeler gibi efektler olan "dağıtım efektleri" ile birlikte duyacaksınız.


5

Gelen Dağıtılmış ışın izleme , yönlere Sen stokastikal örneğin çok sayıda ışınları hangi ya da olmayabilir BRDF tarafından tercih edilebilir. Yılında ise Monte Carlo ışın izleme basitçe izleme yolu veya, yalnızca bir ışın örnek BRDF tarafından tercih yönde . Dolayısıyla, Path Tracing'in sağlayacağı iki belirgin avantaj var:

  • Hesaplamalı olarak daha ucuz. Bu, aynı hesaplama gücüyle, birden fazla ışın bulunan dağıtılmış ışın izlemesine kıyasla daha fazla nesne isabetini hesaplama özgürlüğüne sahip olduğunuz anlamına gelir.
  • Daha az gürültü. Dağıtılmış ışın izleme örnekleri, BRDF tarafından tercih edilemeyebilecek yöndeki ışınlar dolayısıyla istenmeyen eserler ortaya çıkarır.

Ve böylece, yol izleme size daha iyi sonuçlar verecektir.


2
"Monte Carlo ışın izlemesinde veya basitçe izlemede BRDF'nin tercih ettiği yönde yalnızca bir ışın numunesi alırsınız." Başına, ışın seçiminin nasıl yapıldığını bilmiyorsun. Naif yaklaşımlar rasgele ışınları kullanır. BRDF'yi dikkate almak, önemli örneklemedir ve Monte Carlo ışın izleme ya da yol izlemeye tabi değil.
David Kuri

4
Bu cevabın tamamen yanlış olduğuna inanıyorum. Giden ışınları çoklu örneklemekte ve birleştirirken sonuçlarını ağırlıklandırmakta özgürsünüz. Rus ruleti tekniğiyle aynı gerçeği elde ediyorsunuz, ancak genellikle eski yöntemin daha pahalı olduğu kabul ediliyor.
v.oddou
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.