陈振宇, 过洁, 袁子隽, 周辰熙, 冯桂焕, 郭延文
引用本文: 陈振宇, 过洁, 袁子隽, 周辰熙, 冯桂焕, 郭延文. 基于再次事件估计的光学厚介质高性能渲染方法[J/OL]. 计算机辅助设计与图形学学报: 1-11[2024-11-08]. https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00408
Citation: Chen Zhenyu, Guo Jie, Yuan Zijuan, Zhou Chenxi, Feng Guihuan, Guo Yanwen. A Fast Rendering Method for Optically Thick Participating Media Based on Next-Next Event Estimation[J/OL]. Journal of Computer-Aided Design & Computer Graphics: 1-11[2024-11-08]. https://www.jcad.cn/article/doi/10.3724/SP.J.1089.2024-00408
介质的渲染在真实感渲染中具有极其重要的地位. 一方面, 在不考虑光的波动性质的情况下, 介质理论上可以表示世界上的一切材质, 在表面材质的基础上大大拓宽了真实感渲染可以表现的物体类型; 另一方面, 介质渲染在多个行业中都有重要的应用, 游戏和影视中都需要使用介质渲染获取独特的视觉效果.
近年来, 实时光线追踪(RTRT)在计算机硬件上和软件上都得到了长足的发展, 让使用更为复杂、精妙且物理正确的路径追踪算法以及其他基于光线追踪的渲染算法实时地渲染画面成为可能. 基于光线追踪的渲染算法可以解决光栅化渲染中许多难以解决的问题, 如阴影、全局光照以及本文工作的核心——介质渲染. 参与介质的经典渲染方法中, 对于散射点的采样仅考虑相函数和透光率的影响, 这就使参与介质的经典渲染方法可能会以极小的概率采样到极大的贡献, 进而造成数值上极大的噪点, 为了解决这一问题, 本文提出一种拓展的介质直接光照采样方法——再次事件估计(NNEE)使用一种与直接光照分布更接近的代理分布采样额外的散射点, 并记录路径中这些额外的散射点; 在之后的路径上, 这些散射点的单次散射贡献将通过多重重要性采样(MIS)被复用和混合. NNEE基于路径追踪算法, 可以方便地嵌入已有的积分器框架中; 该方法还使用重采样算法, 从额外的散射点中选取估计高次散射所需的路径点, 所有的样本混合、单次散射贡献复用以及重采样都是无偏的. 实现较为简单, 对于场景没有任何要求: 无需新的空间结构, 也无需通过额外的算法预计算空间中的辐射率或辐照度信息; 算法本身是无偏的, 不会造成收敛至错误结果.
相关工作
○ 参与介质的建模
在参与介质中, 光线的传播由辐照度传输方程描述, 该方程描述了光线在大多数介质中的传播. 为了在计算机中求解或无偏地估计辐照度传输方程, 在辐照度传输方程被提出后的数十年里, 研究人员提出了一系列的光线传输方法, 并且已经被广泛地应用在多种渲染器中. 与表面材质相比, 由于包含散射和衰减, 有时还包括了表面的反射和折射, 介质内部的辐照度场相当复杂. 对于光学厚度较大的介质, 其散射过程可以通过扩散近似理论和相似性原理简化, 近年来, 也有学者提出参与介质的高阶相似性原理. 对于光学厚度较薄的介质, 其相函数对于介质本身的视觉效果有着极其重要的影响. 利用参与介质内部的扩散理论, 次表面散射(SSS)理论被提出, 并且被广泛地应用在高光学厚度介质的光栅化渲染中.
在过去数十年中, 有许多工作通过在光源分布上采样获得了更好的介质单次散射渲染结果, 这些方法被广泛地应用在光学厚度较薄介质的渲染上, 如雾气等. 由于非均匀介质在空间上的非均匀性, 因此需要特殊的拒绝采样策略进行渲染, 这些策略被用来估计透射率或是高次散射贡献, 可以在路径空间上通过MIS进行混合.
为了解决散射点采样分布与实际的散射辐射率分布不同的问题, 一些参与介质路径引导方法被提出, 其思路是通过简单的空间结构为每次散射点的采样分布提供引导. 目前, 工业界最常使用的介质渲染方法都是基于光子映射. 近年来, 也有一些使用神经网络表示和渲染介质的方法, 其中, 神经辐射场(NeRF)方法在三维重建领域影响极大, 其将场景中的所有物体视为仅有吸收和发光效果的非均匀介质, 根据粒子在介质内部的分布情况, 其光学性质可能非典型; 一些渲染方法考虑了更复杂的粒子分布情况, 可以呈现出更具有真实感的介质渲染效果.
本文方法
图1 本文方法示意图
实验及结果分析
图3 背面光照修改曝光的渲染结果
结 语
陈振宇: 硕士, 主要研究方向为图形渲染技术.
过 洁: 博士, 长聘副教授, 博士生导师, CCF高级会员, 主要研究方向为图形渲染技术、虚拟现实技术.
袁子隽: 在校学生, CCF学生会员, 主要研究方向为图形渲染技术.
周辰熙: 硕士研究生, 主要研究方向为图形渲染技术.
冯桂焕: 博士, 副教授, 硕士生导师, CCF高级会员, 主要研究方向为多通道交互、空间计算与笔式交互.
郭延文: 博士, 教授, 博士生导师, 主要研究方向为计算机图形学、三维计算机视觉、人工智能.
— END —
还没关注？点击下方“卡片”关注，获取第一时间资讯
精选报告 | 基于紧凑型线性混合半侧蒙皮权重的神经辐射场人体表示方法
开源代码 | 基于EfficientNetV2的PCB缺陷检测算法
本公众号发布的所有原创文章欢迎转发和转载，但必须注明作者和文章出处为《计算机辅助设计与图形学学报》公众号；任何媒体、网站或个人不得对本公众号原创图文进行内容修改或摘编。除本公众号原创的图文之外，本公众号发布的图文旨在学术交流，版权归原作者所有，本公众号将不承担任何法律责任；非原创内容均已对来源作出标注，如有侵权，请留言与本公众号联系，我们将及时处理。《计算机辅助设计与图形学学报》拥有最终解释权。
