Thesis presentatie Adaptieve en Progressieve ray tracing

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:


● (Zachte) schaduw

Jiajun (2005)http://www.cs.virginia.edu


● 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)


● 2. Detecteren van plaatsen waar meer samples nodig zijn.


● 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


● Initiële bemonstering:– Aantal (random) samples– Verdeel de samples in rechthoeken

Tijd

Beeld


● Adaptieve verbetering:– Bereken de fout in elke rechthoek– Bemonster rechthoek met grootste fout

Tijd

Beeld


● Adaptieve verbetering:– Multidimensionele opdeling

Tijd

Beeld


Tijd

Beeld

● Reconstructie:– 1 waarde per blok


Tijd

Beeld

Reconstructie: pixelwaarde = Σ waarde * lengte


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



● Randen en Punten samenvoegen(Edge-and-Point Image)


● Detecteren van de randen


● Opdelen van pixels Leeg

Simpel

Complex


● Voorstellen van de randen


● Reconstructie (adhv 5x5 buurpixel matrix)



Frequentie gebaseerd

● 2 karakteristieken van menselijk zicht:– Contrast gevoeligheid– Gevoeligheid voor ruis in verschillende frequenties


● Contrast gevoeligheidVoorstelling van kleuren

in 1 achromatische en 2chromatische termen


● Gevoeligheid voor ruis in verschillende frequenties

Bolin & Meyer (1995) University of Oregon


● Gebaseerd op JPEG algoritme:– 8x8 pixels per blok– Frequentie representatie per blok


● 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.

Thesis presentatie Adaptieve en Progressieve ray tracing

Technology