Sebagian besar deskripsi metode render Monte Carlo, seperti penelusuran jalur atau penelusuran jalur dua arah, mengasumsikan bahwa sampel dihasilkan secara independen; yaitu, generator nomor acak standar digunakan yang menghasilkan aliran angka independen dan terdistribusi seragam.
Kita tahu bahwa sampel yang tidak dipilih secara independen dapat bermanfaat dalam hal kebisingan. Misalnya, pengambilan sampel bertingkat dan urutan perbedaan rendah adalah dua contoh skema pengambilan sampel berkorelasi yang hampir selalu meningkatkan waktu render.
Namun, ada banyak kasus di mana dampak korelasi sampel tidak jelas. Misalnya, metode Markov Chain Monte Carlo seperti Metropolis Light Transport menghasilkan aliran sampel berkorelasi menggunakan rantai Markov; banyak metode cahaya menggunakan kembali set kecil jalur cahaya untuk banyak jalur kamera, menciptakan banyak koneksi bayangan berkorelasi; bahkan pemetaan foton mendapatkan efisiensinya dari menggunakan kembali jalur cahaya melintasi banyak piksel, juga meningkatkan korelasi sampel (meskipun dengan cara yang bias).
Semua metode rendering ini terbukti bermanfaat dalam adegan-adegan tertentu, tetapi tampaknya membuat segalanya lebih buruk di orang lain. Tidak jelas bagaimana mengukur kualitas kesalahan yang diperkenalkan oleh teknik-teknik ini, selain merender adegan dengan algoritme render yang berbeda dan mengamati apakah satu terlihat lebih baik daripada yang lain.
Jadi pertanyaannya adalah: Bagaimana korelasi sampel mempengaruhi varians dan konvergensi estimator Monte Carlo? Bisakah kita secara matematis mengukur korelasi sampel jenis mana yang lebih baik daripada yang lain? Adakah pertimbangan lain yang dapat mempengaruhi apakah korelasi sampel bermanfaat atau merugikan (misalnya kesalahan persepsi, kerlipan animasi)?