คำถามติดแท็ก sampling

อะไรคือวิธีที่ได้รับการพิสูจน์แล้วว่าดีที่สุดในปัจจุบันสำหรับการสุ่มตัวอย่างแมปสภาพแวดล้อม (EM) ในตัวติดตามเส้นทางแบบทิศทางเดียวที่ใช้ MIS และตัวเรนเดอร์ประเภทเดียวกันนี้ ฉันต้องการโซลูชันที่มีความซับซ้อนพอสมควรในขณะที่ใช้งานได้อย่างสมเหตุสมผลกับตัวอย่างที่ให้การสุ่มตัวอย่างที่สมบูรณ์แบบในราคาที่ซับซ้อนและยากต่อการใช้งาน สิ่งที่ฉันรู้จนถึงตอนนี้ มีวิธีง่ายๆในการสุ่มตัวอย่าง EM หนึ่งสามารถสุ่มตัวอย่างซีกโลกที่ต้องการในลักษณะน้ำหนักโคไซน์ซึ่งละเว้นทั้งรูปร่างของฟังก์ชัน BSDF และ EM ด้วยเหตุนี้มันไม่ทำงานกับ EM แบบไดนามิก: เพื่อปรับปรุงการสุ่มตัวอย่างให้อยู่ในระดับที่ใช้งานได้เราสามารถสุ่มตัวอย่างความส่องสว่างของ EM ได้ทั่วทั้งทรงกลม มันใช้งานได้ง่ายและผลลัพธ์ค่อนข้างดี อย่างไรก็ตามกลยุทธ์การสุ่มตัวอย่างยังคงเพิกเฉยต่อข้อมูลการมองเห็นในสมองและปัจจัยโคไซน์ (รวมถึง BSDF) ซึ่งส่งผลให้เกิดเสียงรบกวนสูงบนพื้นผิวซึ่งไม่ได้ถูกส่องโดยตรงโดยพื้นที่ที่มีความเข้มสูงของ EM: เอกสาร ฉันได้พบบทความสองสามเรื่องในหัวข้อนี้ แต่ยังไม่ได้อ่าน การอ่านและการใช้งานสิ่งเหล่านี้มีค่าในการติดตามเส้นทางแบบทิศทางเดียวหรือมีบางสิ่งที่ดีกว่านี้หรือไม่? โครงสร้างความสำคัญของการเก็บตัวอย่างแผนที่สิ่งแวดล้อม (2003) โดย Agarwal และคณะ การสุ่มตัวอย่างสำคัญนำพาได้ (2007) โดย Kartic Subr และ Jim Arvo พวกเขาอ้างว่าจะนำเสนอ“ ... อัลกอริทึมสำหรับการสุ่มตัวอย่างความสำคัญของแผนที่สิ่งแวดล้อมอย่างมีประสิทธิภาพซึ่งสร้างตัวอย่างในครึ่งวงกลมทรงกลมที่เป็นบวกซึ่งกำหนดโดยการวางแนวของพื้นผิวโดยพลการ “ กระดาษ“ ความสำคัญของการเก็บตัวอย่างทรงกลม Harmonics” ความเห็นเกี่ยวกับมัน:” …

14 rendering  sampling  pathtracing  importance-sampling  ibl 

ในกราฟิกมันเป็นเรื่องธรรมดาที่จะเก็บตัวอย่างหลาย ๆ อันภายในขอบเขตของพิกเซลและรวมเข้าด้วยกัน (โดยทั่วไปแล้วจะทำการเฉลี่ย) สำหรับสีพิกเซลตัวอย่างสุดท้าย นี่เป็นผลของการต่อต้าน aliasing ภาพ ในแง่หนึ่งสิ่งนี้สมเหตุสมผลสำหรับฉันเพราะสิ่งที่คุณกำลังทำอย่างมีประสิทธิภาพคือการรวมสีของพิกเซลเหนือพื้นที่ที่พิกเซลแสดง ในแนวความคิดนี้การสุ่มตัวอย่างเฉลี่ย "สุ่ม" น่าจะเป็นการตั้งค่าที่เหมาะสำหรับการรวมกันของ monte carlo ("สุ่ม" อาจแบ่งเป็นชั้นเสียงตามสีน้ำเงินลำดับความคลาดเคลื่อนต่ำเป็นต้น) ในทางกลับกันสิ่งนี้รู้สึกผิด (หรืออย่างน้อยก็ไม่ถูกต้องเท่าที่ควร) จากมุมมองการประมวลผลสัญญาณดิจิตอล จากมุมมองดังกล่าวรู้สึกว่าเราได้รับตัวอย่างจำนวนมากจากนั้นลดขนาดตัวอย่างลงโดยใช้ตัวกรองกล่อง (เบลอกล่อง) เพื่อรับค่าพิกเซลสุดท้าย ในแง่นี้ดูเหมือนว่าสิ่งที่ดีที่สุดที่ควรทำคือใช้การกรองแบบ sinc แทนที่จะใช้ค่าเฉลี่ยตัวอย่าง ฉันเห็นว่าตัวกรองกล่องเป็นค่าประมาณที่ถูกกว่าในการคิดตามเส้นเหล่านี้ นี่ทำให้ฉันสับสนเล็กน้อย แนวคิดหลักที่เรากำลังรวมพื้นที่พิกเซลและค่าเฉลี่ยถูกต้องหรือไม่? หรือว่าเราเป็นกลุ่มตัวอย่างและควรใช้ sinc แต่ใช้ตัวกรองแบบกล่องเพราะรวดเร็ว หรือเป็นอย่างอื่นอย่างสิ้นเชิง? เกี่ยวข้องกับเล็กน้อย: การลบรอยหยัก / การกรองในการติดตามเรย์

12 sampling  antialiasing  supersampling 

เมื่อแปลงจากการสุ่มตัวอย่างซีกโลกเท่ากันเพื่อการสุ่มตัวอย่างซีกโลกถ่วงน้ำหนักโคไซน์ฉันสับสนโดยคำสั่งในบทความ ผลงานทางอ้อมในปัจจุบันของฉันถูกคำนวณดังนี้: Vec3 RayDir = UniformGenerator.Next() Color3 indirectDiffuse = Normal.dot(RayDir) * castRay(Origin, RayDir) จุดผลิตภัณฑ์เป็น cos (θ) แต่ในบทความนี้เกี่ยวกับการสุ่มตัวอย่างที่ดีกว่า ( http://www.rorydriscoll.com/2009/01/07/better-sampling/ ) ผู้เขียนแนะนำว่า PDF คือ (cos (θ) / pi) และไม่มีหลักฐานของ การคำนวณ N dot L คำถามของฉันคือ - นั่นหมายความว่าฉันไม่จำเป็นต้องทำการ dot dotDirection ปกติอีกต่อไปเพราะมันรวมอยู่ใน PDF หรือนอกเหนือจาก pdf หรือไม่

12 raytracing  sampling  monte-carlo  importance-sampling 

ฉันไม่เข้าใจสมการทางคณิตศาสตร์ ฉันเป็นนักออกแบบกราฟิก "การสุ่มตัวอย่างที่สำคัญ" คืออะไร "การสุ่มตัวอย่างที่สำคัญหลายประการ" คืออะไร คุณสามารถอธิบายได้อย่างง่ายดายโดยใช้ภาพประกอบและไม่มีสมการทางคณิตศาสตร์หรือไม่ อะไรคือความแตกต่างระหว่าง "การสุ่มตัวอย่างที่สำคัญ" และ "การสุ่มตัวอย่างสำคัญหลายรายการ"?

11 raytracing  sampling  importance-sampling 

การใช้การแจกแจงแบบเกาส์ของจุดบนระนาบภาพเพื่อคำนวณค่าพิกเซลรัศมี / ส่วนเบี่ยงเบนมาตรฐานใดที่ให้ข้อมูลมากที่สุดในภาพสุดท้าย รัศมีมีขนาดใหญ่เกินไปให้ภาพเบลอและรัศมีมีขนาดเล็กเกินไปละเลยข้อมูลที่มีขนาดเล็กกว่าพิกเซลเพื่อไม่ให้มีส่วนร่วมในภาพสุดท้าย การประนีประนอมที่เหมาะสมที่สุดอยู่ที่ไหน มีคำตอบเดียวสำหรับคำถามนี้หรือมีสถานการณ์ที่แตกต่างกันไปหรือไม่? ฉันกำลังคิดเกี่ยวกับเรื่องนี้เกี่ยวกับการถ่ายภาพรังสี แต่ฉันคิดว่ามันจะใช้กับสิ่งต่าง ๆ เช่นการลดขนาดรูปภาพ ในกรณีที่คำตอบจะแตกต่างกันฉันสนใจในสิ่งที่ใช้เมื่อสุ่มตัวอย่างระนาบภาพต่อเนื่องเพื่อไม่ให้ตำแหน่งพิกเซลในภาพที่มีขนาดใหญ่ขึ้นเพื่อกำหนดรัศมีที่เหมาะสม

10 sampling  pixels 

คุณสามารถมีการสุ่มตัวอย่างสัญญาณรบกวนสีฟ้าเช่นแผ่นดิสก์ปัวซองเหล่านี้: และคุณสามารถมีพื้นผิวของเสียงรบกวนสีฟ้าเช่นนี้: ฉันได้ภาพนั้นในภาพแรกมีหนึ่งอินพุต (ดัชนีตัวอย่าง) และเอาต์พุตสองจุด (พิกัด x, y ของจุด) และภาพที่สองนั้นกลับด้านโดยมีสองอินพุต (x พิกัด y ของตัวอย่าง) และหนึ่งเอาต์พุต (ค่าของจุด) ฉันสงสัยว่าสิ่งเหล่านี้เกี่ยวข้องกันอย่างไร หากคุณใช้ DFT ของภาพที่สองคุณจะเห็นว่ามันมีส่วนประกอบความถี่สูงมากกว่าต่ำ แต่ฉันไม่แน่ใจว่าคุณจะใช้ DFT ของจุดข้อมูลชุดแรกได้อย่างไร ฉันสงสัยว่าเป็นไปได้ไหมที่จะใช้ลำดับความคลาดเคลื่อนต่ำอื่น ๆ (เช่น halton หรือ jittered grid) และสร้างพื้นผิวจากแนวคิดเช่นภาพที่สอง?

9 sampling