Top Banner
Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa
48

Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Apr 19, 2015

Download

Documents

Internet User
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Stochastic Supersampling e Distributed Ray Tracing

Francisco Carvalho Felipe LealVítor Teixeira Costa

Page 2: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Stochastic Supersampling

Page 3: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Roteiro

• Aliasing

• Stochastic Sampling

• Uniform Point Sampling

• Poisson Disk Sampling

• Regular Grid Jittering

Page 4: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Aliasing

• Aliasing está intrinsecamente ligada à natureza de amostragem discreta do ray tracing

• Fenômenos contínuos X Amostragem discreta

• Limite de Nyquist

Page 5: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Aliasing

• Supersampling:– Maneira mais simples de diminuir efeitos de

aliasing– Vários raios disparados por pixel (3 x 3),

regularmente distribuidos– Não resolve o problema de aliasing, apenas

ameniza os seus efeitos– Bom começo para melhores técnicas

Page 6: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Aliasing

• Adaptive Supersampling:– Pequena amostra inicial– Se os raios tiverem aproximadamente a

mesma cor, o pixel será a média das cores– Senão, subdivide-se o pixel em regiões ainda

menores– Mesmo assim, ainda há problemas– Ainda usa um grid regular e fixo de amostras

Page 7: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Aliasing

• Adaptive Supersampling:

Page 8: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Stochastic Sampling

• Técnica de “Monte Carlo”, onde a imagem é amostrada em locais espaçados não uniformemente

• Diferente de Supersampling e Adaptive Supersampling, embora possa ser combinado com um dos dois

• Aliasing é substituído por ruído de mesma intensidade

Page 9: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Stochastic Sampling

• Provê novas capacidades para algoritmos discreto como o ray tracing

• Equações físicas envolvem integrais sobre o tempo, area da lente, ângulo de reflexão, etc

• Monte Carlo integration

• Motion blur, depth of field, penumbra, gloss e translucency

Page 10: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Uniform Point Sampling

• Em amostras regularmente espaçadas, freqüências acima do limite de Nyquist aparecem como alias, ou seja, aparecem como baixa freqüência

• Conseqüência da regularidade do grid de amostragem

Page 11: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Uniform Point Sampling

Page 12: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Uniform Point Sampling

Page 13: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Poisson Disk Sampling

• Olho humano

• Na fovea, aliasing é evitado porque a lente atua como um filtro passa-baixa

• Fora da fovea, aliasing é evitado por causa da distribuição não-uniforme das células

• Rhesus monkey

Page 14: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Poisson Disk Sampling

• Amostras são posicionadas randomicamente com a restrição de que nenhum par de amostras estão mais próximas que uma certa distância.

Page 15: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Poisson Disk Sampling

Page 16: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Poisson Disk Sampling

• Implementação é direta e simples, embora seja muito cara

• Lookup table de locais randomicos

• Filtros descrevem como cada amostra afeta o pixel vizinho

• Lookup table extremamente grande.

• Método alternativo: Regular Grid Jittering

Page 17: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Regular Grid Jittering

• Adição de ruído aos locais de amostragem

• Aproximação do disco de Poisson

• Sua transformada é similar à transformada da distribuição do disco de Poisson

Page 18: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Regular Grid Jittering

• “Jittering” possui os seguintes efeitos:– Altas frequências são atenuadas– A energia perdida pela atenuação aparece

como ruído uniforme. A intensidade do ruído é igual a intensidade da parte atenuada do sinal

– A composição básica do spectro não muda

Page 19: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Regular Grid Jittering

Page 20: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Regular Grid Jittering

• Se existir um número exato de ciclos, nenhuma energia da onda produz aliasing, tudo vira ruído

• Se a freqüência não é múltipla de λ, há atenuação de aliasing e adição de ruído

• Atenuação é maior para frequências maiores

Page 21: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Regular Grid Jittering

Page 22: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Regular Grid Jittering

• Extensão para duas dimensões

• Pixel é um grid regular, contendo um ou mais subpixels, cada um com um ponto de amostragem

• Cada ponto de amostragem é colocado no meio do subpixel, então ruído é adicionado ao x e y do ponto independentemente

Page 23: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Conclusão

• Com a escolha correta da distribuição não-uniforme de amostras as altas freqüências aparecem como ruído

• Simples e eficiente aproximação do disco de Poisson.

• Aliasing é resolvido

• É facilmente extendido para Distributed Ray Tracing

Page 24: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Distributed Ray Tracing

Page 25: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Preambulo

• Modelagem quase natural• Sombreamento, Reflexão, Refração• Direção dos raios é precisa ...

... → Limitações!• Sharp Shadows, Sharp Reflections, Sharp

Refraction.

• Como modelar certos fenômenos visuais?

Page 26: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Roteiro

• Idéia Geral:– Distribuir a direção dos raios de acordo com o

que eles estão amostrando!

• Novas possibilidades:– Fuzzy Reflections / Refractions– Penumbras– Depth of Field– Motion Blur

Page 27: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Geral

• Uma nova abordagem para síntese

• Geralmente associada a oversampling

• Distribuir em vez de acrescentar– Várias amostras no tempo x Mesma amostra

distribuída ao longo do tempo

Page 28: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Reflexões e Refrações

• Analiticamente, a intensidade da luz refletida num ponto é dada por uma integral da função de iluminação e da função de reflexão:

• Complexo e custoso

• Simplificações são assumidas

Page 29: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Reflexões e Refrações

• As principais:– As fontes de luz são perfeitamente pontuais e

L é uma função δ– R (T) é uma função δ– Todas as direções que não sejam fontes de

luz podem ser representadas por uma luz ambiental e a integral de R pode ser substituída por uma refletância média

Page 30: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Reflexões embaçadas

• Fuzzy reflection, gloss, blurred reflection

• Obtida amostrando-se o raio refletido de acordo com a função de distribuição especular (função de reflexão) analítica– Highlights serão obtidos quando raios

refletirem fontes de luz perfeitamente

Page 31: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Translucidez

• Fuzzy refraction, translucency, blurred transparency

• Obtida amostrando-se o raio refratado de acordo com a função de refração analítica

Page 32: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Penumbra

• Ocorre quando uma fonte de luz está parcialmente oculta

• A intensidade da reflexão é proporcional ao ângulo sólido visível da fonte de luz

• Complexidade de determinação deste angulo

Page 33: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Penumbra

• Obtida distribuindo-se os raios da superfície para toda a fonte luminosa

• Pondera-se a distribuição dos raios na área da projeção da fonte de luz

• Pesos proporcionais à intensidade luminosa em diferentes partes da fonte

• O resultado...

Page 34: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.
Page 35: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Foco

• Depth of field, focus

• Obtido amostrando-se sobre a área da lente da câmera

Page 36: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Foco

• Outras abordagens já foram experimentadas– Pós-processamento de uma convolução com

um filtro do tamanho do Circulo de Confusão– Maior parte do tempo gasta com pós-

processamento– Não-escalável– Abordagem essencialmente incorreta

Page 37: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Foco

• De início, lança-se um raio pelo centro da lente (modelo usual ou pinhole) e se encontra a intersecção com o plano focal

• Em seguida, seleciona-se um ponto qualquer na lente e lança-se um raio até o plano focal

• Este raio estará dentro do cone que gerará o círculo de confusão esperado

Page 38: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Foco

• O Círculo de confusão para uma dada distância da lente tem diâmetro C dado por:

• Para uma dada distância D, os raios que lançamos ficam dentro de um cone de raio r, aonde

Page 39: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Foco

• Este raio visto através da lente terá tamanho igual a C/2, confirmando a hipótese

• Como no olho humano, pontos dentro do cone afetam a imagem, e pontos fora deste cone não o fazem

• Tudo o que é necessário é a distância focal da lente (F) e o aperture number (n)

Page 40: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.
Page 41: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Motion Blur

• “Rastros” no movimento

• Obtido amostrando-se ao longo do tempo

• Outras tentativas foram feitas, mas todas tem problemas

Page 42: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Motion Blur

• Proposta:– Amostrar normalmente e em seguida aplicar

um filtro de blur

• Problema:– Além do acréscimo de custo, objetos

escondidos na amostragem estática podem aparecer por parte do tempo e não serão exibidos

Page 43: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Motion Blur

• Proposta:– Conhecer o objeto em movimento e o resto

da cena separadamente

• Problemas:– Caso do biplane– Nem sempre as cenas podem ser separadas

em seus elementos facilmente– Esta abordagem não permite mudanças na

visibilidade de um objeto (rotações!)

Page 44: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Motion Blur

• Um complicador aparece quando se trata de shading variável

• Se calculássemos uma iluminação por unidade de tempo: – Texturas ()– Highlights () (caso do pião)– Sombras () (caso da estroboscopia)

Page 45: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Motion Blur

• Escolhe-se um momento para o raio

• Atualiza-se as posições dos objetos

• Lança-se o raio normalmente

• A distribuição dos raios pode ser uniforme ou proporcional ao valor do filtro temporal para cada dado instante

Page 46: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.
Page 47: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Composição do Algoritmo

• Motion Blur– Escolhe-se o tempo para o raio– Atualiza-se as posições dos objetos

• Foco– Lança-se um raio do ponto de vista para um ponto na tela– Lança-se outro raio de algum ponto da lente para o ponto focal

obtido, determinando o objeto atingido• Penumbra

– Para cada fonte de luz, escolher um alvo na fonte e disparar um raio

• Reflexões– Escolher uma direção de reflexão e lançar um raio nela

• Refrações– Escolher uma direção de refração e lançar um raio nela

Page 48: Stochastic Supersampling e Distributed Ray Tracing Francisco Carvalho Felipe Leal Vítor Teixeira Costa.

Conclusão

• Um novo paradigma para problemas antigos• Não são soluções pontuais para problemas

pontuais• Os problemas “não poderiam ter sido resolvidos

separadamente” por serem fenômenos inter-relacionados

• A chave para a solução é a capacidade de se fazer anti-aliasing em técnicas de point sampling como Ray Tracing.