Fotonové mapy. Jaroslav Křivánek, KSVI, MFF, UK

Podobné dokumenty
Počítačová grafika III Photon mapping. Jaroslav Křivánek, MFF UK

Počítačová grafika III Photon mapping. Jaroslav Křivánek, MFF UK

Fotonové mapy. Leonid Buneev

Photon-Mapping Josef Pelikán CGG MFF UK Praha.

X39RSO/A4M39RSO Vychýlené (biased) metody globálního osvětlení. Vlastimil Havran ČVUT v Praze CTU Prague Verze 2011

Počítačová grafika III Monte Carlo integrování Přímé osvětlení. Jaroslav Křivánek, MFF UK

Počítačová grafika III Odraz světla, BRDF. Jaroslav Křivánek, MFF UK

Řešení radiační soustavy rovnic

Řešení radiační soustavy rovnic

Monte Carlo metody Josef Pelikán CGG MFF UK Praha.

Počítačová grafika III Odraz světla, BRDF. Jaroslav Křivánek, MFF UK

Fotonové mapy. Martin Bulant 21. března Fotonové mapy jsou podobné obousměrnému sledování cest, ale odlišují se tím,

Model tenisového utkání

Zobrazování a osvětlování

2. Cvi ení A. Výpo et množství vzduchu Zadání p íkladu: Množství p ivád ného vzduchu Vp :

Numerická integrace konstitučních vztahů

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)

Aproximativní analytické řešení jednorozměrného proudění newtonské kapaliny

Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Odraz světla, BRDF. Petr Kadleček

Počítačová grafika III Úvod

CVIČENÍ Z ELEKTRONIKY

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými

Dynamické programování

Počítačová grafika III Multiple Importance Sampling. Jaroslav Křivánek, MFF UK

NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL

Distribuované sledování paprsku

Přednáška č. 11 Analýza rozptylu při dvojném třídění

Regresní lineární model symboly

Počítačová grafika III Multiple Importance Sampling. Jaroslav Křivánek, MFF UK

2. Najděte funkce, které vedou s těmto soustavám normálních rovnic

A4M39RSO. Sledování cest (Path tracing) Vlastimil Havran ČVUT v Praze CTU Prague Verze 2014

1.5.2 Mechanická práce II

Numerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První

f konverguje a g je omezená v (a, b), pak také konverguje integrál b a fg. Dirichletovo kritérium. Necht < a < b +, necht f : [a, b) R je funkce

TERMIKA VIII. Joule uv a Thompson uv pokus pro reálné plyny

Fyzikální korespondenční seminář UK MFF 22. II. S

1.3.3 Přímky a polopřímky

Příklady z přednášek Statistické srovnávání

Fotorealistická syntéza obrazu Josef Pelikán, MFF UK Praha

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

Počítačová grafika III Úvod

Entropie (opičí tým) M možných výsledků (x 1, x 2, x M ) jak přiřadit pravděpodobnosti jednotlivým výsledkům?

Rekurzivní sledování paprsku

2.3.6 Práce plynu. Předpoklady: 2305

Třídění a významné hodnoty

Realistický rendering

Úvod do laserové techniky KFE FJFI ČVUT Praha Michal Němec, 2014

Fyzikálně založené modely osvětlení

Cvičení z termomechaniky Cvičení 5.

Numerické metody a programování. Lekce 4

Národní informační středisko pro podporu jakosti

Statistická analýza dat - Indexní analýza

b) Maximální velikost zrychlení automobilu, nemají-li kola prokluzovat, je a = f g. Automobil se bude rozjíždět po dobu t = v 0 fg = mfgv 0

Radiometrie, radiační metody

Hodnocení tepelné bilance a evapotranspirace travního porostu metodou Bowenova poměru návod do praktika z produkční ekologie PřF JU

Počítačová grafika III Monte Carlo rendering 2. Jaroslav Křivánek, MFF UK

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

3.1.1 Přímka a její části

Analytická metoda aneb Využití vektorů v geometrii

Počítačová grafika III Radiometrie. Jaroslav Křivánek, MFF UK

SHANNONOVY VĚTY A JEJICH DŮKAZ

Spojitá náhodná veličina

Obslužné sítě. Jacksonova síť systémů hromadné obsluhy. Sériové propojení dvou front

Distribuční konstanta. Retenční charakteristiky. Retenční charakteristiky. Sylabus přednášky: Vysokoúčinná kapalinová chromatografie.

Téma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008

Určete (v závislosti na parametru), zda daný integrál konverguje, respektive zda konverguje. dx = t 1/α 1 dt. sin x α dx =

Fotorealistická grafika

Řešení. Označme po řadě F (z) Odtud plyne, že

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

můžeme toto číslo považovat za pravděpodobnost jevu A.

MODELOVÁNÍ A SIMULACE

Relativistická kinematika

Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Stabilita prutu, desky a válce vzpěr (osová síla)

Laplaceova transformace.


KMITÁNÍ PRUŽINY. Pomůcky: Postup: Jaroslav Reichl, LabQuest, sonda siloměr, těleso kmitající na pružině

Termodynamika ideálního plynu

Rovnice paraboly

Počítačová grafika III Světlo, Radiometrie. Jaroslav Křivánek, MFF UK

Úloha 1: Vypočtěte hustotu uhlíku (diamant), křemíku, germania a α-sn (šedý cín) z mřížkové konstanty a hmotnosti jednoho atomu.

Třetí Dušan Hložanka Název zpracovaného celku: Řetězové převody. Řetězové převody

E = E red,pravý E red,levý + E D = E red,pravý + E ox,levý + E D


Počítačová grafika III Odraz světla, BRDF. Jaroslav Křivánek, MFF UK

oddělení Inteligentní Datové Analýzy (IDA)

Cyklické kódy. Alena Gollová, TIK Cyklické kódy 1/23

V následující tabulce jsou uvedeny jednotky pro objemový a hmotnostní průtok.

Řešení 1b Máme najít body, v nichž má funkce (, ) vázané extrémy, případně vázané lokální extrémy s podmínkou (, )=0, je-li: (, )= +,

Úloha syntézy čtyřčlenného rovinného mechanismu

12.1 Úvod. Poznámka : Příklad 12.1: Funkce f(t) = e t2 nemá Laplaceův obraz. Příklad 12.2: a) L{1} = 1 p, p > 0 ; b) L{ eat } = 1, [ZMA15-P73]

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

VYBRANÉ STATĚ Z PROCESNÍHO INŽENÝRSTVÍ cvičení 6

Energie elektrického pole

Výpočty za použití zákonů pro ideální plyn

Základy finanční matematiky

Z transformace. Definice. Z transformací komplexní posloupnosti f = { } f n z n, (1)

Transkript:

Fotonové may Jaroslav Křvánek KSVI MFF UK Jaroslav.Krvanek@mff.cun.cz

Globální osvětlení Glossy reflectons Color Bleedng Dffuse Reflectons Caustcs Refractons

Fotonové may Cesty se sledují od zdrojů světla od kamery Světla jsou zdroj radance Kamera rerezentuje důležtost otencál Podobné obousměrnému sledování cest Generování cest ze světel a z kamery jsou však dva oddělené rocesy Přeoužtí stejných světelných cest ro všechny ely Fotonová maa = cache cest od světla Př stejné kvaltě je obvykle mnohem rychlejší než M-C technky Ztráta nestrannost! ale konzstentní konverguje ř zvětšování očtu fotonů

Fáze výočtu 1. Rozmístění fotonů Fotony jsou emtovány světelným zdroj Proagují se do scény a la lght tracng Ukládají se do fotonových ma 2. Renderng s využtím fotonových ma Jako ath tracng Místo rekurze dotaz do fotonové may

Fáze 1: Rozmístění fotonů 1. Emse fotonů ze světelných zdrojů 2. Sledování fotonů 3. Uložení fotonů do fotonové may =seznam fotonů

Emse fotonů Cíl Všechny emtované fotony nesou stejný odobný tok varance odhadů osvětlení z fotonové may je ak nžsí 1. Emse jednoho fotonu tj. světelné cesty 1. Vyber světelný zdroj Náhodně s ravděodobností úměrnou jeho celkovému toku 2. Vyber očátek emtovaného fotonu Pozce světla ro bodové zdroje Náhodně nejčastěj unformě ro lošné zdroje světla 3. Vyber směr emtovaného fotonu Náhodně odle emsní dstrbuční funkce světla

Emse fotonů Tok emtovaného fotonu: Φ 0 = L e P l 0 0 0 cosθ0 0 dskrétní -nost výběru světelného zdroje l hustota -nost vzorkování ozce 0 a směru 0

Emse fotonů Ideální vzorkování Všechny emtované fotony ak nesou stejný tok: Φ 0 = Φ total total l lghts l l l e A H e e P L da d L L lght Φ Φ = Φ Φ = Φ = = 0 0 0 0 0 0 0 0 0 0 0 cos cos cos θ θ θ

Sledování fotonů Photon tracng Podobné jako lght tracng Interakce foton - locha 1. Ulož foton do fotonové may foton = ozce říchozí směr tok 2. Generuj směr odraženého arsku BRDF mortance samlng 3. Aktualzuj tok fotonu... 4. Ruská ruleta náhodná absorce fotonu... Požadavek Zachovat tok fotonu okud možno konstantní

Sledování fotonů Photon tracng 1. Aktualzuj tok fotonu tentatve fr o cosθo Φ + 1 = Φ 2. Ruská ruleta náhodná absorce fotonu q + 1 = mn 1 Lumnance[ Φ Lumnance[ Φ tentatve + 1 ] o ] Φ + 1 = Φ tentatve + 1 q + 1 Pravděodobnost řežtí Výsledný tok fotonu ř řežtí Tato stratege zachovává lumnanc fotonů

Sledování fotonů Photon tracng Pozor na lom světla ř sledování cest od kamery je třeba ř lomu změnt radanc odle druhé mocnny změny ndeu lomu avšak fotony nenesou radanc nýbrž tok žádná změna toku ř lomu nenastává

Fotonová maa Ukládání fotonů do fotonové may Př každé nterakc fotonu s dfúzní nebo mírně lesklou ale ne zrcadlovou lochou ř absorc!!! Fotonová maa Foton Během rozmísťování fotonů ouze lneární seznam fotonů Po rozmístění všech fotonů se ostaví kd-strom ro rychlejší vyhledávání ozce: = y z říchozí směr: = θ φ stačí char[2] energe tok: Φ = r g b stačí RGBE: char[4] Počet fotonů cca 10 5 10 7 stačí ro většnu scén

Fotonová maa Henrk Wann Jensen

Fotony rerezentují rovnovážnou radanc ve scéně

Dvě fotonové may Maa kaustk Globální maa

Dvě fotonové may 1. Globální maa: L[S D]*D Obsahuje římé osvětlení 2. Maa kaustk: LS + D Obsahuje ouze neřímé osvětlení Je odmnožnou globální may Různé oužtí obou ma ř generování obrázku Je leší udržovat je zvlášť Regulární gramatka světelných cest E eye L lght D dffuse S secular G glossy často se zahrnuje do D

Přírava fotonových ma ro renderng Př trasování řdávání fotonů do lneárního seznamu Poté ostavení kd-stromu Pro renderng otřebuj rychlé hledání k nejblžších fotonů

Odhad radance z fotonové may = = Φ Φ k o r k o r o r f r N A f N L 1 2 1 1 1 1 π obsah kruhové oblast A A

Odhad radance z fotonové may RadanceEstmate wo: Color L = 000; nt k = locatenearestphotons wo n_ma nearest r; // nearest s an array of k nearest hotons to // r s the dstance from to the farthest of them f k < 5 return L; for = 1 to k do { f dot nearest[].w N <= 0 contnue; L += fr wo nearest[].w * nearest[].flu; } return L / M_PI * r*r;

Odhad radance roblémy Zahrnutí nesrávných fotonů do odhadu Nesravný odhad velkost A stěna hrana kaustky H.W.Jensen

Rychlé hledání nejblžších fotonů Potřebuj ro odhad radance z fotonové may Hledání k nejblžších fotonů je k-nearest neghbor search k-nn

k-d strom Konstrukce Rekurzvní dělení odél osy s mamálním rozsahem Dělení Dělící rovna rochází římo medánem Koresondující uzel stromu obsahuje medán Rerezentace stromu v lneárním ol otomky fotonu na ndeu jsou na ndeech 2 a 2+1

k-d strom Hledání nejblžších sousedů Ořezávání růchodu Podle vzdálenost jž nalezeného K-tého nejblžšího fotonu hledám-l K nejblžších Podle daného oloměru vyhledávání R ř hlední uvntř fního oloměru range query Dosud nalezené fotony se udržují v ma-haldě

Fáze 2: Renderng Sledování arsku z kamery dstrbuted ray tracng Rekurze nahrazena odhadem radance z fotonové may Pro deální zrcadlové lochy se stále oužívá rekurze jako v klasckém trasování arsků

Výočet osvětlení ro rmární arsek nebo o zrcadlovém odrazu Odražená radance L Rozdělení říchozí radance Rozdělení BRDF r L L d + L c + L l o f r = fr D + fr S = L fr ocosθ d Ω f r D = L římé d osvětlení L c kaustky PM f r S deální zrcadlové odrazy/lomy PM hoton ma FG fnal gahterng L l dfúzní neřímé FG +PM

Výočet osvětlení ro rmární arsek nebo o zrcadlovém odrazu Bez oužtí fotonových ma Přímé osvětlení Jako obyčejně: vzorkování světel + stínové arsky Ideální zrcadlové odrazy / lomy Jako obyčejně: determnstcké sekundární arsky S oužtím fotonových ma...

Výočet osvětlení ro rmární arsek nebo o zrcadlovém odrazu S oužtím fotonových ma Kaustky Odhad radance z fotonové may kaustk Neřímé osvětlení na dfúzních a mírně lesklých lochách Fnal gatherng...

Fnal gatherng FG Neřímé osvětlení na dfúzních a mírně lesklých lochách Jedna úroveň rekurze omocí trasování rozrostřených arsků dstrbuton ray tracng Pro růsečíky sekundárních arsků oužj odhad radance z globální fotonové may Není otřeba elctně očítat římé osvětlení je obsaženo v globální maě

Proč otřebujeme fnal gatherng? římé oužtí fnal gatherng 500 5000 arsků Informace v globální maě řílš neřesná neřesnost v globální maě se zrůměruje

Proč neotřebujeme fnal gatherng ro kaustky? Kaustky = zaostření světla => dostatečná hustota fotonů

Možnost urychlení fnal gatherngu 1. Irradance cachng

Možnost urychlení fnal gatherngu 2. Předvýočet radance na ozc fotonů Po rozmístění všech fotonů fáze 1 se vybere odmnožna fotonů na jejch ozcích se rovede odhad radance z fotonové may a výsledek se uloží do searátního kdstromu. Př renderngu se ro sekundární arsky z fnal gatherngu nemusí rovádět k-nn dotaz do fotonové may => stačí ouze najít jeden nejblžší záznam s ředočítanou radancí

Výsledky římé osvětlení 21 s kaustky 45 s GI 66 s 50 000 fotonů v maě kaustk 200 000 fotonů v globální maě

V čem vynkají fotonové may? Kaustky SDS cesty Klascké MC algormy nefungují ath tracng bdrectonal ath tracng metrools lght transort Hachsuka et al.

SDS cesty dno bazénu H.W.Jensen Wojcech Jarosz

Lze rozšířt na řenos světla v médu Henrk Wann Jensen

a na roztyl světla od ovrchem

Praktcké nedostatky fotonových ma Algortmus nefunguje dobře na lesklých lochách

Praktcké nedostatky fotonových ma Algortmus nefunguje dobře na lesklých lochách Co je šatně? Odhad radance z fotonové may na lesklé loše trí vysokou varancí Sekundární arsky z fnal gatherngu na lesklé loše často doadnou do odobného místa ve scéně => korelované výsledky odhadu radance => vdíme odraz fotonové may včetně všech neřesností které obsahuje

Teoretcké nedostatky fotonových ma Výsledek není nestranný obsahuje systematckmou chybu Výsledek je konzstentní Konverguje ro nekonečný očet fotonů Toho ale raktcky není možné dosáhnout z důvodu omezené velkost amět Řešení: rogressve hoton mang 40

Progresvní fotonové may Iteratvní orocedura V každé terac se zmenší radus ro hledání nejblžsích fotonů čímž se elmnuje systematcká chyba bas Hachsuka et al.

Progresvní fotonové may

Progresvní fotonové may

Odvození odhadu radance z fotonové may

Odhad radance z fotonové may = = Φ Φ k o r k o r o r f r N A f N L 1 2 1 1 1 1 π obsah kruhové oblast A A

Odhad radance z fotonové may Odvození ntutvní ale formálně není ok Ω Ω Ω Φ = Φ = = o r o r o r o r da d f d da d d f d L f L cos cos cos 2 2 θ θ θ

Odhad radance z fotonové may Lze dokázat že fotony rozmístěné odle osané rocedury ředstavují vzorky rovnovážné říchozí radance tj. ro lbovolné W e latí: N je celkový očet fotonů. Tok fotonu zde korektně nterretujeme jako hodnotu vzorku říchodí radance v daném bodě vydělenou PDF vygenerování tohoto vzorku =fotonu: da d L W W N E A H e e N = Φ = θ cos 1 1 PDF L = Φ

Odhad radance z fotonové may Dvný zůsob zásu ntegrálu ro održenou radanc: L = δ ' f ' L ' cosθ d da' r o A' H r Tento ntegrál odhadujeme omocí MC kvadratury kde fotony ředstavují oužté vzorky Problém: Pravděodobnost že foton doadne řesně do bodu je nulová. Řešení: δ-dstrbuc nahradíme normalzovaným jádrem kernel k s konečným nosčem: Lr o k A' H ' f r o ' L o ' cosθ d da'

Odhad radance z fotonové may L k r o A' H ' f r ' L o ' cosθ d da' Výsledkem je růměr radance řes nosč jádra k. Náhrada δ-dstrbuce jádrem k zůsobuje systematckou chybu bas charakterstcké rozmazání radance. Tento ntegrál jž neobsahuje sngulartu a tudíž ho lze řešt omocí MC kde fotony ředstavují vzorky.

Odhad radance z fotonové may Chceme sočítat: Víme že ro lbovolné W e latí: Položíme tedy A dostaneme ' cos ' ' ' ' da d L f k L A H o r o r θ = Φ = A H e e N d L W W N E θ cos 1 1 ' ' ' o r o e f k W = Φ = ' ' 1 1 o r N r f k N E L

Odhad radance z fotonové may Konstantní jádro: kde r je velkost jádra kterou nastavíme na vzdálenost ke k-tému nejblžšímu fotonu. Dostáváme c.b.d. = jnak 0 ' ro 1 ' 2 r r k π ' 1 1 1 2 o r k r f r N L π = Φ

Lteratura H.W.Jensen Realstc Image Synthess usng Photon Mang AK Peters 2001 T. Hachsuka S. Ogak and H. W. Jensen Progressve Photon Mang ACM Transactons on Grahcs SIGGRAPH Asa 2008.