GAMES101-现代计算机图形学入门-闫令琪——Lecture 18 Advanced Topics in Rendering

GAMES101-现代计算机图形学入门-闫令琪——Lecture 18 Advanced Topics in Rendering

Advanced Light Transport (高级光线传播)

• Unbiased light transport methods
  – Bidirectional path tracing (BDPT)
  – Metropolis light transport (MLT)

• Biased light transport methods
  – Photon mapping
  – Vertex connection and merging (VCM)

• Instant radiosity (VPL / many light methods)

Biased vs. Unbiased Monte Carlo Estimators

• An unbiased Monte Carlo technique does not have any systematic error
  – The expected value of an unbiased estimator will always be the correct value, no matter how many samples are used

• Otherwise, biased
  – One special case, the expected value converges to the correct value as infinite #samples are used — consistent

We’ll look again at this page after introducing Photon Mapping

无偏（Unbiased）：蒙特卡洛积分估计出来的结果的期望（无论用多少样本）永远都是我们要的真实值（期望永远是对的）

有偏（Biased）：所有其他情况都是有偏。估计出来的期望和实际的值不一样。

虽然取多少样本，得到的结果都是有偏的，但是，在一个极限的定义下，用的样本数足够多，期望值会收敛到正确值。这时候我们称这个值是一致（consistent）。

Bidirectional Path Tracing （BDPT）双向路径追踪

• Recall: a path connects the camera and the light

• BDPT
  – Traces sub-paths from both the camera and the light
  – Connects the end points from both sub-paths
  把两个半路径相连
  
  双向路径追踪（无偏）：生成两个不同的半路径（子路径），一个是从光源出发的半路径，另一个是从摄像机出发的半路径，把两条半路径的端点连起来（如上图虚线部分）。

• Suitable if the light transport is complex on the light’s side

• Difficult to implement & quite slow
  
  双向路径追踪实现起来非常复杂，但是在一些情况下渲染出来的结果很好。如上图场景。这个场景里光源仅仅往一个角落里打，那么实际上整个场景几乎都是被间接光所照亮的，再加上整个场景几乎都是漫反射材质，光线打上去会往各个方向弹，那么如果这时候用路径追踪，就不容易弹到光源处。那么这时候用路径追踪就很难照亮整个场景。这时候用双向路径追踪，在光源处发出一些光线打到场景中，再从相机发出一些光线打到场景中，把他们端点连起来，就会得到一些很合理的路径。（但是BDPT算起来比较慢）

（BDPT实现起来非常不容易！如果能把这个写对，自己开发渲染器应该没有任何问题！）

Metropolis Light Transport (MLT)

• A Markov Chain Monte Carlo (MCMC) application
  – Jumping from the current sample to the next with some PDF
• Very good at locally exploring difficult light paths
• Key idea
  – Locally perturb an existing path to get a new path
  

MLT（无偏）用统计学上一个采样的工具：马尔科夫链。马尔科夫链可以根据一个样本生成靠近它的另一个样本。他可以以任意函数的形状为PDF生成样本，使得这一系列样本的分布与被积函数形状一致。

那么将其反应在产生路径上，在给定一个路径的情况下，可以在周围产生很多与其相似的路径（一个局部的方法）。如上图中，已经生成一条蓝色的光路，对其进行一些微小的扰动，就形成了一条新的红色路径

• Works great with difficult light paths

• Also unbiased
  
  MLT特别适合做光路传播复杂的计算。因为只需要找出一条光线的路径，就可以以其为种子，生成更多路径。如上图，左侧图的光线仅仅从门缝出来，照亮整个场景，光路复杂；右侧图是水波，光线在水中的传播，会产生焦散现象，光线聚集，光路也极其复杂。

• Difficult to estimate the convergence rate

• Does not guarantee equal convergence rate per pixel

• So, usually produces “dirty” results

• Therefore, usually not used to render animations
  

但是其也有坏处。

MLT方法很难在理论上分析其最后收敛的速度（什么时候变成没有噪声的），而且由于所有操作都是局部的，也就是说每个像素自己做自己的，那么最后有一些像素收敛的快，有一些像素收敛的慢，得到的渲染图看上去就会比较脏（如上图）。那么用这种方法渲染动画就不可以。

Photon Mapping 光子映射（有偏）

• A biased approach & A two-stage method
• Very good at handling Specular-Diffuse-Specular (SDS) paths and generating caustics
  
  光子映射（有偏）
  特别适合用来渲染caustics（焦散）由于光聚焦所产生的图案（如上图）
• Stage 1 — photon tracing
  – Emitting photons from the light source, bouncing them around, then recording photons on diffuse surfaces
  

第一步，光子（光线）从光源出发，在空间中碰到物体该反射还是反射，该折射还是折射，直到碰到diffuse（漫反射）物体，就停下来。当这一步做完后，就可以把所有光子整理起来，就知道了各个光子在哪里。

• Stage 2 — photon collection (final gathering)
  – Shoot sub-paths from the camera, bouncing them around, until they hit diffuse surfaces

第二步，光子（光线）从摄像机出发，与第一步一样，在空间中碰到物体该反射还是反射，该折射还是折射，直到碰到diffuse（漫反射）物体，就停下来。当这一步做完后，也可以把所有光子整理起来。

• Calculation — local density estimation
  – Idea: areas with more photons should be brighter
  – For each shading point, find the nearest N photons. Take the surface area they over
  

把前两步合起来，就可以做一个局部的密度估计。建立在观察的角度上去看哪部分亮哪部分暗，那么光子分布越集中的地方就会越亮。

局部密度估计：对于任何一个点，取其最近的N个光子，找到后去求这N个光子所占的面的面积，那么光子的密度就是用N除以面积。那么N取多少？取小了图片噪声会很明显，取大了得到的结果会模糊。为什么会模糊？也就是为什么这种方式是有偏的？

• Why biased?
  Local Density estimation dN / dA != ΔN / ΔA
  But in the sense of limit
  More photons emitted ——>the same N photons covers a smaller ΔA ——> ΔA is closer to dA
  So, biased but consistent!
  在做密度估计时，我们想算的密度应该是当前一个点周围取一个微小的面积dA，里面有dN个光子，即 dN / dA，但是我们实际上算的密度是ΔA面积中有ΔN个光子，即 ΔN / ΔA。正常情况下两者很接近，但绝对不是相等的，所以对密度的估计是一个不对的估计，只有当dA无限小才会趋向于正确。那么何时ΔA会无限小？只有当打出的光子数无限大的时候，有更多的光子被打在面上，那么得到一个着色点周围同样数量N的光子覆盖的面积才会无限小。这时才会更接近dA。也就是当有无限多数量的光子时，才会接近正确的结果，因此是一个有偏但是一致的方法，所以会糊。

• An easier understanding bias in rendering
  – Biased == blurry
  – Consistent == not blurry with infinite #samples
  那么由此我们可以得出一种判断有偏和一致的方法：和正确的结果相比，如果得到的结果有任何一点的模糊，那就是有偏的；
  如果虽然是模糊的，但是只要样本足够多，最后就会收敛到不模糊的结果，那么就是一致的。

Vertex Connection and Merging（VCM）

• A combination of BDPT and Photon Mapping
• Key idea
  – Let’s not waste the sub-paths in BDPT if their end points cannot be connected but can be merged
  – Use photon mapping to handle the merging of nearby “photons”
  
  VCM的思想是把双向路径追踪与光子映射结合起来。在做BDPT时，双向发出来的认为是光子，如果两个光子相邻很近（如上图，在一个局部的面里），那么这时候就用光子映射，将这两部分的sub-path结合在一块儿，从而得到了更好的结果。

Instant Radiosity (IR)

• Sometimes also called many-light approaches

• Key idea
  – Lit surfaces can be treated as light sources

• Approach
  – Shoot light sub-paths and assume the end point of each sub-path is a Virtual Point Light (VPL)
  – Render the scene as usual using these VPLs
  
  实时辐射