thesis presentatie adaptieve en progressieve ray tracing
TRANSCRIPT
Thesis
Adaptieve en Progressieve Ray Tracing.
(Davy Debacker)
Index
● Klassieke ray tracing● Adaptieve ray tracing● Progressieve ray tracing● Bestaande technieken
Klassieke ray tracing
Klassieke ray tracing (nadelen)
– Beperkte bijdrage van extra stralen
● Nadelen van klassieke raytracing:
– Aliasing, ruis, ...
● Oplossing: meer stralen?
Index
● Klassieke ray tracing● Adaptieve ray tracing:– Plaatsen waar meer samples nodig zijn– Hoe kritieke plaatsen detecteren?
● Rand detectie● Vooraf bepalen
● Progressieve ray tracing● Bestaande technieken
Adaptieve ray tracing
● Aantal (minder relevante) stralen verminderen.
● Gericht stralen schieten.
Farrugia and Péroche(2004) EUROGRAPHICS
Plaatsen waar meer samples nodig zijn.
● Randen:
Plaatsen waar meer samples nodig zijn.
● (Zachte) schaduw
Jiajun (2005)http://www.cs.virginia.edu
Plaatsen waar meer samples nodig zijn.
● Transparante objecten● Reflecterende objecten
Jiajun (2005)http://www.cs.virginia.edu
Hoe weten we waar de kritieke plaatsen zijn?
– Rand detectie– Vooraf bepalen in de scene– Eerder berekende punten (progressief)
Rand detectie
– Rechts de typische uitvoer van een Sobel filter toegepast op de foto van Lena links.
Nadelen van rand detectie
● Prentje moet vooraf gekend zijn. (animantiefilm)● Dezelfde belichting.
Vooraf bepalen in de scene:
Rand waar meer samples nodig zijn.
Rand waar niet meer samples nodig zijn.
Vooraf bepalen in de scene (nadelen)
● Meer geavanceerde objecten● Schaduwen● Caustics
Index
● Klassieke ray tracing● Adaptieve ray tracing● Progressieve ray tracing● Bestaande technieken
Progressieve ray tracing
● 1. Initiële sampling (meestal 1 straal per pixel)
Progressieve ray tracing
● 2. Detecteren van plaatsen waar meer samples nodig zijn.
Progressieve ray tracing
● 3. Eventueel reconstructie.
Index
● Klassieke ray tracing● Adaptieve ray tracing● Progressieve ray tracing● Bestaande technieken:– Multidimensionele adaptieve bemonstering
(Toshiya Hachisuka et al.)– Combineren van randen en punten (Bala et al.)– Frequentie gebaseerd (Bolin & Meyer)
Multidimensionale adaptieve bemonstering
● Motion blur● 3 stappen:– Initiële bemonstering– Adaptieve verbetering– Reconstructie
Multidimensionale adaptieve bemonstering
● Initiële bemonstering:– Aantal (random) samples– Verdeel de samples in rechthoeken
Tijd
Beeld
Multidimensionale adaptieve bemonstering
● Adaptieve verbetering:– Bereken de fout in elke rechthoek– Bemonster rechthoek met grootste fout
Tijd
Beeld
Multidimensionale adaptieve bemonstering
● Adaptieve verbetering:– Multidimensionele opdeling
Tijd
Beeld
Multidimensionale adaptieve bemonstering
Tijd
Beeld
● Reconstructie:– 1 waarde per blok
Multidimensionale adaptieve bemonstering
Tijd
Beeld
Reconstructie: pixelwaarde = Σ waarde * lengte
Multidimensionale adaptieve bemonstering
Hachisuka et al (2008)ACM SIGGRAPH
Multidimensionele adaptieve bemonsteringMultidimensionale adaptieve bemonstering Mitchell
Combineren van randen en punten
● Initiële stap:– Zoeken van randen– Zeer ruwe eerste bemonstering
Bala et al (2003)ACM Siggraph
Combineren van randen en punten
Bala et al (2003)ACM Siggraph
● Randen en Punten samenvoegen(Edge-and-Point Image)
Combineren van randen en punten
● Detecteren van de randen
Combineren van randen en punten
● Opdelen van pixels Leeg
Simpel
Complex
Combineren van randen en punten
● Voorstellen van de randen
Combineren van randen en punten
● Reconstructie (adhv 5x5 buurpixel matrix)
Combineren van randen en punten
Bala et al (2003)ACM Siggraph
Frequentie gebaseerd
● 2 karakteristieken van menselijk zicht:– Contrast gevoeligheid– Gevoeligheid voor ruis in verschillende frequenties
Frequentie gebaseerd
● Contrast gevoeligheidVoorstelling van kleuren
in 1 achromatische en 2chromatische termen
Frequentie gebaseerd
● Gevoeligheid voor ruis in verschillende frequenties
Bolin & Meyer (1995) University of Oregon
Frequentie gebaseerd
● Gebaseerd op JPEG algoritme:– 8x8 pixels per blok– Frequentie representatie per blok
Frequentie gebaseerd
● Frequentie representatie per blok– Cosinus termen vooraf berekenen– Vast sampling patroon
1 3
4 2
5
A
B
Vast sample vs random samplesFrequentie gebaseerd
Planning
● Implementatie in orde zetten● Bestuderen hoe het algoritme reageert op
reflectie, refractie, schaduwen, ...● Random sample patroon– efficiëntie verlies vs kwaliteitswinst
Hartelijk dank voor uw aandacht.