5D Covariance Tracing for Efficient Defocus and Motion Blur

sem_cov.PNG

Photorealistische Effekte werden meist mit Path-Tracing basierten Verfahren nachgebildet. Bei diesen Verfahren werden hochdimensionale Integralen durch Sampling approximiert. Das Problem dabei ist die benötigte hohe Anzahl Samples, um Rauschen aus dem erstellten Bild zu entfernen. Wir gehen dieses Problem mit Hilfe vom adaptiven Sampling um. In den Teilen der Szenen, wo komplexe Effekte auftreten, benutzen wir viele Samples. Dagegen brauchen wir für die einfachen Stellen wenigere Samples. Die Frage ist dann, wie identifizieren wir welche Teilen der Szene komplex sind, und welche nicht.

Bei komplexen Effekten variiert die zu integrierende Funktion stark, also sind wir an solchen Variationen interessiert. Wie hoch die Variation eines Integrandes ist, können wir mit Hilfe von dem Fourier-Spektrum der Radianz erkennen. Wir betrachten die Verteiling der Energie in diesem Spektrum: Eine Bandbegrenzung davon weist kleine Varianz hin. Auf diese Beobachtung bauen Durand et al. adaptives Sampling auf, wobei das Fourier-Spektrum durch Kovarianz-Matrizen kompakt repräsentiert wird. Im Vortrag werden die wichtigen Schritten und Werkzeuge dieses Verfahrens erläutert, sowie Ergebnisse gezeigt.

Inhalt

  • Einleitung
  • Fourier-Spektrum und Lichtfeld
  • Fourier-Analyse
  • Kovarianz
  • Repräsentation durch Kovarianz-Matrizen
  • Algorithmus
  • Experimente
  • Zusammenfassung

Literatur

5D Covariance Tracing for Efficient Defocus and Motion Blur