Anti-aliasing / Filtering ในการติดตามเรย์

ในการติดตามรังสี / การติดตามเส้นทางหนึ่งในวิธีที่ง่ายที่สุดในการต่อต้านนามแฝงของภาพคือการแทนที่ค่าพิกเซลและเฉลี่ยผลลัพธ์ IE แทนที่จะถ่ายภาพตัวอย่างทุกชิ้นผ่านจุดศูนย์กลางของพิกเซลคุณชดเชยตัวอย่างด้วยจำนวนเงินหนึ่ง

ในการค้นหาทั่วอินเทอร์เน็ตฉันได้พบสองวิธีที่แตกต่างกันในการทำสิ่งนี้:

1. สร้างตัวอย่างอย่างไรก็ตามคุณต้องการและชั่งน้ำหนักผลลัพธ์ด้วยตัวกรอง
   • ตัวอย่างหนึ่งคือPBRT
2. สร้างตัวอย่างที่มีการแจกแจงเท่ากับรูปร่างของตัวกรอง
   • สองตัวอย่างคือขนาดเล็กและทังสเตนเรนเดอร์ของBenedikt Bitterli

สร้างและชั่งน้ำหนัก

กระบวนการพื้นฐานคือ:

1. สร้างตัวอย่างอย่างไรก็ตามคุณต้องการ (ลำดับแบบสุ่มแบ่งชั้นความคลาดเคลื่อนต่ำ ฯลฯ )
2. ชดเชยเรย์ของกล้องโดยใช้สองตัวอย่าง (x และ y)
3. แสดงภาพด้วยรังสี
4. คำนวณน้ำหนักโดยใช้ฟังก์ชั่นตัวกรองและระยะห่างของตัวอย่างโดยอ้างอิงจากจุดศูนย์กลางพิกเซล ตัวอย่างเช่น Box Filter, Tent Filter, Gaussian Filter, ฯลฯ )
5. ใช้น้ำหนักกับสีจากการเรนเดอร์

สร้างเป็นรูปร่างของตัวกรอง

หลักฐานพื้นฐานคือการใช้การสุ่มตัวอย่างการแปลงผกผันเพื่อสร้างตัวอย่างที่กระจายตามรูปร่างของตัวกรอง ตัวอย่างเช่นฮิสโตแกรมของตัวอย่างที่กระจายในรูปร่างของเกาส์เซียนจะเป็น:

สิ่งนี้สามารถทำได้อย่างแน่นอนหรือโดยการ binning ฟังก์ชั่นเป็น pdf / cdf แยก smallptใช้ cdf ผกผันที่แน่นอนของตัวกรองเต็นท์ ตัวอย่างของวิธีการ binning สามารถพบได้ที่นี่

คำถาม

ข้อดีและข้อเสียของแต่ละวิธีคืออะไร? แล้วทำไมคุณถึงใช้อันอื่น? ฉันนึกถึงบางสิ่ง:

การสร้างและการชั่งน้ำหนักดูเหมือนว่าจะแข็งแกร่งที่สุดช่วยให้สามารถใช้วิธีการสุ่มตัวอย่างร่วมกับตัวกรองใด ๆ ก็ได้ อย่างไรก็ตามคุณต้องติดตามน้ำหนักใน ImageBuffer แล้วทำการแก้ไขขั้นสุดท้าย

สร้างในรูปร่างของตัวกรองสามารถรองรับรูปร่างของตัวกรองที่เป็นบวกเท่านั้น (เช่น no Mitchell, Catmull Rom หรือ Lanczos) เนื่องจากคุณไม่สามารถมี pdf เชิงลบได้ แต่ดังที่กล่าวไว้ข้างต้นคุณสามารถนำไปใช้งานได้ง่ายขึ้นเนื่องจากคุณไม่จำเป็นต้องติดตามน้ำหนักใด ๆ

ถึงแม้ว่าในท้ายที่สุดฉันคิดว่าคุณสามารถนึกถึงวิธีที่ 2 เป็นการทำให้ง่ายขึ้นของวิธีที่ 1 เนื่องจากมันใช้น้ำหนักตัวกรอง Box แบบปริยาย

มีกระดาษที่ดีจาก 2006 ในหัวข้อนี้คือการสุ่มตัวอย่างกรองความสำคัญ พวกเขาเสนอวิธีการของคุณ 2 ศึกษาคุณสมบัติและออกมาโดยทั่วไปในความโปรดปรานของมัน พวกเขาอ้างว่าวิธีนี้ให้ผลการเรนเดอร์ที่นุ่มนวลขึ้นเนื่องจากมันให้น้ำหนักตัวอย่างทั้งหมดที่มีส่วนร่วมในพิกเซลอย่างเท่าเทียมกันซึ่งจะช่วยลดความแปรปรวนในค่าพิกเซลสุดท้าย เรื่องนี้ทำให้รู้สึกบางอย่างเพราะมันเป็นความจริงทั่วไปในการแสดงผล Monte Carlo ที่การสุ่มตัวอย่างความสำคัญจะให้ความแตกต่างที่ต่ำกว่าตัวอย่างน้ำหนัก

วิธีที่ 2 ยังมีข้อได้เปรียบในการทำให้ขนานได้ง่ายขึ้นเล็กน้อยเนื่องจากการคำนวณของแต่ละพิกเซลมีความเป็นอิสระจากพิกเซลอื่น ๆ ทั้งหมดในขณะที่วิธีที่ 1 ผลลัพธ์ตัวอย่างจะถูกใช้ร่วมกันในพิกเซลที่อยู่ใกล้เคียง โปรเซสเซอร์หลายตัว) ด้วยเหตุผลเดียวกันการสุ่มตัวอย่างแบบปรับตัวได้ง่ายขึ้น (ตัวอย่างมากขึ้นในพื้นที่ที่มีความแปรปรวนสูงของภาพ) ด้วยวิธีที่ 2 มากกว่าวิธีที่ 1

ในกระดาษพวกเขายังทดลองกับตัวกรอง Mitchell, สุ่มตัวอย่างจาก abs () ของตัวกรองแล้วชั่งน้ำหนักแต่ละตัวอย่างด้วย +1 หรือ −1 ตามที่ @trichoplax แนะนำ แต่สิ่งนี้จบลงด้วยการเพิ่มความแปรปรวนและแย่กว่าวิธีที่ 1 ดังนั้นพวกเขาจึงสรุปได้ว่าวิธีที่ 2 นั้นสามารถใช้งานได้กับตัวกรองเชิงบวกเท่านั้น

ดังที่ได้กล่าวไปแล้วผลที่ได้จากบทความนี้อาจไม่สามารถใช้ได้ในระดับสากลและอาจขึ้นอยู่กับฉากซึ่งวิธีการสุ่มตัวอย่างนั้นดีกว่า ฉันเขียนบล็อกโพสต์เพื่อตรวจสอบคำถามนี้เป็นอิสระในปี 2014 โดยใช้ "ฟังก์ชั่นภาพ" สังเคราะห์มากกว่าการเรนเดอร์เต็มรูปแบบและพบวิธีที่ 1 เพื่อให้ได้ผลลัพธ์ที่น่าพึงพอใจมากขึ้นเนื่องจากการปรับขอบความคมชัดสูงให้ราบรื่นยิ่งขึ้น Benedikt Bitterli ยังแสดงความคิดเห็นในโพสต์ที่รายงานปัญหาที่คล้ายกันกับ renderer ของเขา (เสียงความถี่สูงเกินรอบแหล่งกำเนิดแสงเมื่อใช้วิธีที่ 2) นอกเหนือจากนั้นฉันพบความแตกต่างที่สำคัญระหว่างวิธีการคือความถี่ของสัญญาณรบกวนที่เกิดขึ้น: วิธีที่ 2 ให้ความถี่สูงกว่า, เสียง "ขนาดพิกเซล" ในขณะที่วิธีที่ 1 ให้เสียง "ธัญพืช" ที่มีขนาด 2-3 พิกเซล แต่ ความกว้างของเสียงมีความคล้ายคลึงกันทั้งคู่ดังนั้นเสียงชนิดใดที่ดูไม่ดีน่าจะเป็นเรื่องของความชอบส่วนตัว