Practical Noise Reduction for Progressive Stochastic Ray Tracing with Perceptual Control

Dieser Vortrag behandelt ein neuartiges Verfahren zur Rauschreduzierung für interaktive Raytracer mit Monte Carlo Integration. Im Gegensatz zu vielen Ansätzen, die durch bessere Samplingstrategien Rauschen verringern zu versuchen, basiert dieses Verfahren auf einer nachträglichen Rauschfilerung im Bildraum mit einem cross bilateralen Filter. Hierfür existieren zwar schon mehrere Verfahren, nur ist keines von diesen speziell für interaktiv-progressive Renderer konzipiert, bei denen man den Bildaufbau live mitverfolgen kann.
Ebenso neuartig ist die Idee hinter dem vorgestellten Algorithmus. Vor der Filterung werden die Samples in einen niedrigfrequenten (rauscharmen) und hochfrequenten (verrauschten) Puffer sortiert, sodass nur die Information geglättet wird, die es benötigt. Anschließend werden die Puffer kantenerhaltend zusammengeführt um eine rauscharme Vorschau des Bildes für interaktive Raytracer zu erhalten. Dieser Ansatz verspricht einen vergleichsweise geringen Aufwand und kann schon mit wenigen Samples pro Pixel brauchbare Ergebnisse für die Vorschau erzielen. Systematische Fehler verschwinden jedoch mit zunehmender Anzahl an Samples.