改善光泽场景渲染，Facebook利用对偶抽样估计interior积分
利用对偶抽样这种经典的方差缩减技术来有效地估计interior积分
（映维网 2021年09月01日）给定具有完全指定的对象几何结构和光学材质特性的虚拟场景，正向渲染对辐射计探测器的响应进行数值估计。相反，微分渲染侧重于计算辐射探测器响应的导数。
近年来，基于物理的可微渲染理论、算法和系统都取得了重大进展。所以，现在我们可以微分任意场景参数，包括控制全局几何体的参数，例如对象的全局方向或网格顶点的位置。社区已经证明，可微渲染通常相当于估计interior和boundary积分。为了处理boundary项，研究人员提出了诸如蒙特卡罗边缘抽样，普通渲染积分的重新参数化，以及微分路径积分等等。
另一方面，interior积分与正向渲染的积分共享相同的域。为了估计所述项，以前的可微渲染技术依赖于为正向渲染开发的现有随机抽样策略。尽管这对于相对粗糙的场景非常有效，但对于光泽场景，抽样效率可能无法令人满意。
针对这个问题，由美国加州大学、Facebook Reality Labs和瑞典隆德大学组成的团队在一篇论文中介绍了一种全新的蒙特卡罗抽样函数，其利用对偶抽样这种经典的方差缩减技术来有效地估计interior积分。
......（全文 873 字，剩余 453 字）
请微信扫码通过小程序阅读完整文章或者登入网站阅读完整文章
映维网会员可直接登入网站阅读
PICO员工可联系映维网免费获取权限
