Apa efek samping dari kecerahan bias dalam raytracing spektrum kontinu?


8

Saya ingin memodelkan sinar dengan rentang frekuensi terus menerus sehingga saya bisa mendapatkan gambar raytraced dengan pemisahan warna pada refraksi. Saya dapat memodelkan sumber cahaya dengan distribusi frekuensi yang ditentukan dengan menggunakan distribusi untuk mempengaruhi probabilitas sinar acak terletak pada rentang frekuensi tertentu, atau sebagai alternatif saya dapat memilih frekuensi dari distribusi acak seragam dan membuat kecerahan setiap sinar sebanding dengan distribusi frekuensi pada frekuensi khususnya. Saya melihat yang pertama sebagai lebih akurat secara fisik, tetapi saya menduga yang kedua akan memberikan gambar yang terlihat "selesai" dengan lebih sedikit sinar. Apakah kecurigaan intuitif ini benar? Apakah ada fitur yang akan hilang dari gambar dengan pendekatan kedua? Apakah ada cara untuk mendapatkan peningkatan kecepatan tanpa mengorbankan gambar?

Jawaban:


8

Umumnya, sampel berbobot seragam dengan distribusi variabel (importance sampling) memberikan varians lebih rendah dalam rata-rata akhir daripada sampel yang terdistribusi seragam dengan bobot variabel. Ini adalah aturan umum dalam raytracing Monte Carlo.

Namun, hal lain yang perlu dipertimbangkan adalah bahwa Anda akhirnya akan mengkonversi gambar ke RGB untuk tampilan (saya berasumsi). Jadi kemungkinan masalah adalah bahwa jika sumber cahaya memiliki energi yang sangat sedikit di bagian biru spektrum, misalnya, maka Anda akan menempatkan beberapa sampel dalam frekuensi biru, dan saluran biru dari gambar RGB akhir bisa berakhir sangat bising dibandingkan dengan saluran lain.

Salah satu cara untuk mengatasinya adalah dengan mempertimbangkan produk dari spektrum sumber cahaya dengan kurva pencocokan warna RGB yang digunakan untuk menghasilkan output. Anda dapat menormalkan tiga terhadap satu sama lain untuk memastikan Anda mendapatkan sampel yang cukup di ketiga saluran, tetapi masih mendistribusikan sampel ke frekuensi paling penting untuk setiap saluran.

Secara seimbang, saya menduga bahwa hanya dengan menggunakan distribusi frekuensi sampel yang seragam akan lebih sederhana dan memberikan hasil yang baik selama spektrum sumber cahaya cukup halus. Tetapi jika Anda memiliki spektrum dengan paku yang tajam (mis. LED, laser, lampu fluoresen) maka sampling kepentingan spektral mungkin diperlukan.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.