Raxvan นั้นถูกต้องอย่างสมบูรณ์ว่าเทคนิคการต่อต้านนามแฝงแบบดั้งเดิมจะทำงานในรูปแบบ raytracing รวมถึงเทคนิคที่ใช้ข้อมูลเช่นความลึกในการลดรอยหยัก คุณยังสามารถทำการลบรอยหยักชั่วคราวในการติดตามรังสีเช่น
Julien ขยายตัวในรายการที่ 2 ของ Raxvan ซึ่งเป็นคำอธิบายของการสุ่มตัวอย่างแบบสุดยอดและแสดงให้เห็นว่าคุณทำได้อย่างไรจริง ๆ รวมทั้งพูดถึงว่าคุณสามารถสุ่มตำแหน่งของตัวอย่างภายในพิกเซลได้ ลึกกว่าและแน่นอน!
ดังที่ Julien กล่าวหากคุณต้องการทำตัวอย่างต่อพิกเซลคุณสามารถแบ่งพิกเซลออกเป็นจุดตัวอย่างที่กระจายตัวอย่าง (บนตารางโดยทั่วไป) และทำการสุ่มตัวอย่างเหล่านั้นโดยเฉลี่ยNNN
หากคุณทำเช่นนั้นคุณยังสามารถรับนามแฝงได้ มันดีกว่าไม่ทำเพราะคุณกำลังเพิ่มอัตราการสุ่มตัวอย่างดังนั้นจะสามารถจัดการกับข้อมูลความถี่ที่สูงขึ้น (รายละเอียดเล็กน้อย) แต่ก็ยังสามารถทำให้เกิดนามแฝงได้
หากคุณสุ่มตัวอย่างสุ่มตัวอย่างภายในพิกเซลคุณจะทำการค้าแทนนามแฝงเพื่อหาจุดรบกวน เสียงรบกวนนั้นง่ายต่อสายตาและดูเป็นธรรมชาติมากกว่านามแฝงดังนั้นผลลัพธ์ที่ต้องการมักจะเป็น ฉันเชื่อว่ามันเป็นสถานการณ์ในอุดมคติด้วยจำนวนตัวอย่างที่สูงขึ้น แต่ไม่มีข้อมูลเพิ่มเติม):N
เมื่อคุณใช้ตัวเลขสุ่ม "ปกติ" อย่างที่คุณได้รับจาก rand () หรือ std :: uniform_int_distribution ที่เรียกว่า "สัญญาณรบกวนสีขาว" เนื่องจากมีความถี่ทั้งหมดเช่นแสงสีขาวประกอบด้วยสีอื่น ๆ ทั้งหมด (ความถี่ ) ปิดไฟ.
การใช้สัญญาณรบกวนสีขาวเพื่อสุ่มตัวอย่างตัวอย่างภายในพิกเซลมีปัญหาที่บางครั้งตัวอย่างของคุณจะรวมกันเป็นก้อน ตัวอย่างเช่นถ้าคุณเฉลี่ย 100 ตัวอย่างในพิกเซล แต่พวกเขาทั้งหมดอยู่ที่มุมซ้ายบนของพิกเซลคุณจะไม่ได้รับข้อมูลใด ๆ เกี่ยวกับส่วนอื่น ๆ ของพิกเซลดังนั้นสีพิกเซลที่ได้จะเป็นผลลัพธ์สุดท้าย จะไม่มีข้อมูลเกี่ยวกับสีที่ควรเป็น
วิธีที่ดีกว่าคือการใช้สิ่งที่เรียกว่าสัญญาณรบกวนสีน้ำเงินซึ่งมีส่วนประกอบความถี่สูงเท่านั้น (เช่นแสงสีฟ้าเป็นแสงความถี่สูง)
ประโยชน์ของสัญญาณรบกวนสีฟ้าคือคุณได้รับการครอบคลุมมากกว่าพิกเซลเช่นคุณได้รับจากตารางการสุ่มตัวอย่างแบบสม่ำเสมอ แต่คุณยังคงได้รับการสุ่มซึ่งเปลี่ยนนามแฝงเป็นเสียงรบกวนและให้ภาพที่ดูดีขึ้น
น่าเสียดายที่เสียงสีน้ำเงินนั้นมีค่าใช้จ่ายสูงในการคำนวณและวิธีการที่ดีที่สุดล้วน แต่ได้รับการจดสิทธิบัตร (สิ่งห่า?!) แต่วิธีหนึ่งในการทำเช่นนี้คิดค้นโดยพิกซาร์ (และสิทธิบัตรด้วย คือการสร้างกริดของจุดตัวอย่างจากนั้นทำการสุ่มแต่ละจุดตัวอย่างด้วยจำนวนเล็กน้อย - เช่นจำนวนสุ่มระหว่างบวกหรือลบครึ่งหนึ่งของความกว้างและความสูงของตารางตัวอย่าง วิธีนี้คุณจะได้รับการสุ่มตัวอย่างเสียงรบกวนสีน้ำเงินที่ราคาถูก
โปรดทราบว่านี่เป็นรูปแบบหนึ่งของการสุ่มตัวอย่างแบบแบ่งชั้นและการสุ่มตัวอย่างดิสก์ปัวซองก็เป็นรูปแบบหนึ่งเช่นกันซึ่งเป็นวิธีการสร้างเสียงรบกวนสีน้ำเงิน:
https://www.jasondavies.com/poisson-disc/
หากคุณสนใจที่จะเจาะลึกคุณอาจต้องการตรวจสอบคำถามและคำตอบนี้!
อะไรคือเหตุผลพื้นฐานในการต่อต้าน aliasing โดยใช้ตัวอย่างสุ่มจำนวนมากภายในพิกเซล
ในที่สุดสิ่งนี้เริ่มที่จะหลงทางในขอบเขตของการติดตามเส้นทางมอนเต้คาร์โลซึ่งเป็นวิธีการทั่วไปในการทำ raytracing เหมือนจริง หากคุณสนใจที่จะเรียนรู้เพิ่มเติมเกี่ยวกับสิ่งนั้นให้อ่านสิ่งนี้!
http://blog.demofox.org/2016/09/21/path-tracing-getting-started-with-diffuse-and-emissive/