Raytracing phi thời gian thực

Tôi đã chơi với raytracing thời gian thực (và raymarch, v.v.) khá nhiều, nhưng đã không dành nhiều thời gian cho việc quét tia thời gian thực - cho hình ảnh chất lượng cao hơn hoặc cho video dựng sẵn và tương tự.

Tôi biết một kỹ thuật phổ biến để cải thiện chất lượng hình ảnh trong trường hợp không theo thời gian thực là chỉ truyền thêm RẤT NHIỀU tia cho mỗi pixel và lấy kết quả trung bình.

Có bất kỳ kỹ thuật nào khác nổi bật như là cách tốt để cải thiện chất lượng hình ảnh trong trường hợp không theo thời gian thực, so với những gì bạn thường làm trong trường hợp thời gian thực?

Theo dõi đường dẫn là kỹ thuật tiêu chuẩn trong kết xuất quang học không theo thời gian thực và bạn nên xem xét cụ thể theo dõi đường dẫn hai chiều để có được các hiệu ứng như tụ quang, mà bạn không thể thực sự có được theo dõi đường dẫn cơ bản. Con đường hai chiều truy tìm cũng hội tụ nhanh hơn với sự thật mặt đất như thể hiện trong hình ảnh dưới đây: Cũng Metropolis vận tải hạng nhẹ (MLT) là một con đường tiên tiến hơn truy tìm kỹ thuật mà hội tụ nhanh hơn với sự thật mặt đất bởi đột biến hiện "tốt" đường dẫn:

Bạn cũng có thể sử dụng lấy mẫu quan trọng để hội tụ nhanh hơn bằng cách tập trung nhiều tia hơn vào các hướng quan trọng hơn. Tức là bằng cách tập trung các tia dựa trên BRDF (hướng nhiều hơn vào BRDF tăng đột biến bằng cách sử dụng hàm mật độ xác suất) hoặc vào nguồn sáng, hoặc tận dụng tốt nhất hai thế giới và sử dụng nhiều mẫu quan trọng. Đây là tất cả về việc giảm tiếng ồn theo cách không thiên vị. Ngoài ra còn có các kỹ thuật khử nhiễu để giảm nhiễu hơn nữa trong các hình ảnh được hiển thị.

Tôi nghĩ rằng tốt nhất là trước tiên nên thực hiện theo dõi lực lượng vũ trang cơ bản Monte Carlo để phục vụ như là tài liệu tham khảo không thiên vị trước khi xem xét các kỹ thuật tiên tiến hơn. Nó khá dễ dàng để làm sai và giới thiệu xu hướng mà không được chú ý, vì vậy có thực hiện đơn giản là tốt để có xung quanh để tham khảo.

Bạn cũng có thể nhận được một số kết quả thực sự tốt bằng cách áp dụng theo dõi đường dẫn cho phương tiện tham gia nhưng điều đó rất chậm: D

Một trong những cái lớn là sử dụng hình học rắn xây dựng hơn là lưới tam giác. Các giao điểm tam giác Ray nhanh hơn hầu hết các giao điểm hình tia khác, nhưng phải mất một số lượng lớn các hình tam giác để xấp xỉ bề mặt của hình trụ hoặc hình xuyến, chưa kể đến một số hình dạng thực sự kỳ lạ như fractals julia hoặc các hàm tham số tổng quát mà một số trình kết xuất hỗ trợ.

Một cách khác là sử dụng ánh xạ photon thời gian kết xuất và tính toán xen kẽ khuếch tán : điều này cho phép bạn có được hiệu ứng ánh sáng chính xác trong một cảnh thay đổi. Trong phương pháp raytracing thời gian thực, chúng quá đắt để tính toán, do đó, các nguồn sáng và các yếu tố hình học chính bị buộc phải đứng yên (để cho phép tính toán trước) hoặc các hiệu ứng bị bỏ qua hoàn toàn.

Mặc dù tôi không biết về dấu vết của monte carlo khi tôi viết bài này, tôi đã vô tình mô tả nó. Trớ trêu thay, dấu vết monte carlo là câu trả lời tôi đang tìm kiếm tại thời điểm đó.

Truy tìm đường dẫn Naive monte carlo hoạt động bằng cách đánh giá một cái gì đó gọi là phương trình kết xuất để giải quyết số lượng giá trị màu của một pixel. Nó lấy các mẫu ngẫu nhiên bằng cách xáo trộn ngẫu nhiên trong một pixel (có các chiến lược lấy mẫu và lọc tốt hơn: Lý do cơ bản để khử răng cưa sử dụng nhiều mẫu ngẫu nhiên trong một pixel là gì? ) Và cũng bằng cách nảy theo hướng ngẫu nhiên khi một tia chạm vào bề mặt .

Nó có thể mất rất nhiều mẫu để cho bạn kết quả tốt và với không đủ mẫu, hình ảnh của bạn sẽ trông nhiễu. Phải mất gấp 4 lần số mẫu để giảm tiếng ồn xuống một nửa. Thời gian kết xuất có thể theo thứ tự một giờ bằng cách sử dụng 8 lõi CPU hiện đại cho một cảnh đơn giản.

Có nhiều kỹ thuật theo dõi đường dẫn monte carlo tiên tiến hơn cho phép bạn có được hình ảnh tốt hơn nhanh hơn, chẳng hạn như lấy mẫu quan trọng hoặc khử nhiễu hình ảnh sau khi được hiển thị.

Theo dõi đường dẫn Monte carlo có thể tạo ra hình ảnh quang học và cung cấp cho bạn nhiều tính năng kết xuất nâng cao chỉ vì nó tuân theo các quy luật vật lý nên cho kết quả thực tế.

Bạn có thể đọc thêm về nó ở đây: http://blog.demofox.org/2016/09/21/path-tracing-getting-started-with-diffuse-and-emissive/

Dưới đây là hình ảnh ví dụ, mất khoảng một giờ để kết xuất bằng tất cả 8 lõi cpu của tôi: