पर्यावरण मानचित्रों का महत्व नमूनाकरण

वर्तमान में ज्ञात सबसे अच्छा और आदर्श रूप से एक एमआईएस-आधारित यूनि-दिशात्मक पथ अनुरेखक और इसी प्रकार के रेंडरर्स में पर्यावरण मानचित्र (ईएम) के नमूने के लिए आदर्श रूप से उत्पादन-सत्यापित दृष्टिकोण क्या है? मैं उन समाधानों को प्राथमिकता दूंगा जो यथोचित रूप से जटिल होते हैं जबकि यथोचित क्रियात्मक होते हैं जो सुपर कॉम्प्लेक्स और हार्ड-टू-समझने कार्यान्वयन की लागत पर सही नमूना प्रदान करते हैं।

मैं अब तक क्या जानता हूं

ईएम के नमूने लेने के कुछ आसान तरीके हैं। कोई आवश्यक गोलार्द्ध को एक कोजाइन-भारित तरीके से नमूना कर सकता है, जो बीएसडीएफ और ईएम फ़ंक्शन दोनों आकारों की उपेक्षा करता है। नतीजतन, यह गतिशील ईएम के लिए काम नहीं करता है:

नमूने को एक उपयोगी स्तर तक सुधारने के लिए, पूरे क्षेत्र में ईएम की चमक को नमूना कर सकते हैं। यह अपेक्षाकृत आसानी से लागू होता है और परिणाम काफी अच्छे होते हैं। हालांकि, नमूनाकरण की रणनीति अभी भी गोलार्द्ध दृश्यता की जानकारी और कोसाइन कारक (और बीएसडीएफ) की अनदेखी कर रही है, जिसके परिणामस्वरूप सतहों पर उच्च शोर होता है जो सीधे ईएम के उच्च-तीव्रता वाले क्षेत्रों द्वारा जलाया नहीं जाता है:

पत्रों

मुझे इस विषय पर कुछ कागजात मिले हैं, लेकिन अभी तक उन्हें नहीं पढ़ा है। क्या इनमें से कोई पढ़ने और आगे बढ़ने वाले यूनि-दिशात्मक पथ अनुरेखक में लागू करने योग्य है, या कुछ बेहतर भी है?

अग्रवाल एट अल द्वारा पर्यावरण मैप्स (2003) का संरचित महत्व नमूनाकरण ।
कार्तिक सुब्र और जिम अर्वो द्वारा स्टीयरेबल इम्पोर्टेंस सैंपलिंग (2007)। वे प्रस्तुत करने का दावा करते हैं "... पर्यावरण के मानचित्रों के कुशल स्तरीकृत महत्व नमूने के लिए एक एल्गोरिथ्म जो कि कोसाइन वेटिंग के लिए लेखांकन करते समय मनमाना सतहों के स्थानीय अभिविन्यास द्वारा परिभाषित सकारात्मक हेमी-क्षेत्र में नमूने उत्पन्न करता है। "कागज़" महत्व नमूना गोलाकार हार्मोनिक्स "इस पर टिप्पणी करते हैं:" वे पर्यावरण के नक्शे का एक त्रिकोणीय प्रतिनिधित्व करते हैं और अपने शीर्ष पर पहले नौ गोलाकार हार्मोनिक आधार कार्यों में से प्रत्येक द्वारा प्रदीप्त रोशनी को संग्रहीत करते हैं। यह एक सुगम आधार बनाता है जहां क्लैंप-कोसाइन को किसी भी अभिविन्यास के लिए कुशलता से घुमाया जा सकता है। "
पेट्रिक क्लेबर्ग और टॉमस एकेनिन-मोलर द्वारा प्रत्यक्ष रोशनी (2008) के लिए व्यावहारिक उत्पाद महत्व नमूनाकरण । पर्यावरण मानचित्र प्रकाश और सतह परावर्तन के उत्पाद के नमूने के लिए एक एल्गोरिथ्म। तरंग-आधारित महत्व के नमूने का उपयोग करता है।
Jarosz, Carr, और जेन्सेन द्वारा महत्व नमूना नमूना गोलाकार हार्मोनिक्स (2009)। सार कहता है: "... हम गोलाकार हार्मोनिक्स (SH ...) के रूप में प्रतिनिधित्व किए गए महत्व के नमूने कार्यों के लिए पहली व्यावहारिक विधि प्रस्तुत करते हैं ..."
फेंग एट अल द्वारा टोन-मैप्ड मीन-शिफ्ट आधारित पर्यावरण मानचित्र नमूनाकरण (2015)। यह बहुत नया है और मुझे न तो इसका संदर्भ मिला है और न ही पेपर का।

— ivokabel
स्रोत

मेरा एक सवाल है। क्या दूसरी तस्वीर केवल ईएम का नमूना लेकर बनाई गई है? या क्या यह कोसाइन और सैंपलिंग EM के नमूने का MISed संस्करण है? मैं वास्तव में आशा करता हूं कि यह MISed संस्करण है, क्योंकि यदि ऐसा है, तो मेरे पास छायादार भाग में उच्च शोर के लिए एक उपाय हो सकता है।

— टॉम

कोई @tom, यह केवल (Lambert) BRDF और कोसाइन फैक्टर दोनों की अनदेखी करते हुए, गोलाकार EM नमूने का उपयोग करता है। 64 नमूनों का उपयोग किया गया था और कोई छवि-स्थान फ़िल्टरिंग लागू नहीं किया गया था, बस पिक्सेल क्षेत्र में औसत। जब एमआईएस को कॉस नमूना के साथ ईएम नमूने को संयोजित करने के लिए लगाया जाता है, तो छाया में शोर बहुत कम हो जाता है, लेकिन सूर्य के प्रकाश के हिस्से में थोड़ा बढ़ जाता है।

— इवोकबेल

जवाबों:

यह एक पूर्ण उत्तर नहीं है, मैं केवल प्रश्न में वर्णित दो पेपरों का अध्ययन करके प्राप्त किए गए ज्ञान को साझा करना चाहूंगा : स्टीयरेबल इंपोर्टेंस सैंपलिंग और प्रैक्टिकल प्रोडक्ट इम्पोर्टेंस सैंपलिंग फॉर डायरेक्ट इल्यूमिनेशन ।

स्टीयरेबल महत्व नमूनाकरण

इस पत्र में वे क्लैंपेड कोसाइन घटक और पर्यावरण मानचित्र प्रकाश के उत्पाद के नमूने के लिए एक विधि प्रस्तावित करते हैं:

L_{E M} (ω_{i}) {(ω_{i} \cdot n)}^{+}

$L_{EM}\left(\omega_{i}\right)\left(\omega_{i}\cdot n\right)^+$

वे इस तथ्य का उपयोग करते हैं कि उत्पाद फ़ंक्शन का एक टुकड़ा-वार रैखिक अनुमान पहले नौ गोलाकार हार्मोनिक ठिकानों का उपयोग करके अपेक्षाकृत अच्छी तरह से व्यक्त और आंशिक रूप से पूर्व-गणना की जा सकती है। वे इस सन्निकटन को एक अनुकूल त्रिभुजित EM के शीर्ष पर बनाते हैं और इसे नमूने के लिए एक महत्वपूर्ण कार्य के रूप में उपयोग करते हैं।

वे प्रत्येक त्रिकोण शीर्ष के लिए पूर्व-गणना और स्टोरेज गुणांक को स्टोर करते हैं और प्रत्येक त्रिकोण के लिए त्रिकोण पर अभिन्न अभिकलन की गणना के लिए गुणांक भी। इन गुणांकों को वर्टेक्स और ट्राइंगल वेट कहा जाता है। फिर वे इस तथ्य का उपयोग करते हैं कि आसानी से अतिरिक्त गोलाकार हार्मोनिक ठिकानों को शामिल किए बिना व्यक्तिगत त्रिकोण भार को जोड़कर त्रिकोण के एक सेट पर अभिन्न के लिए गुणांक की गणना करना संभव है। यह उन्हें त्रिभुजों के ऊपर एक संतुलित बाइनरी ट्री बनाने की अनुमति देता है, जहां प्रत्येक नोड में नोड के उप-ट्री त्रिकोण पर अभिन्न अभिकलन कंप्यूटिंग के लिए गुणांक होते हैं।

नमूनाकरण प्रक्रिया में एक त्रिकोण का चयन करना और उसके क्षेत्र का नमूना लेना शामिल है:

$O\left(\log N_{\triangle}\right)$
$O\left(1\right)$

मेरे लिए, यह एक आशाजनक तकनीक की तरह दिखता है , लेकिन कागजात के साथ शास्त्रीय सवाल यह है कि वास्तविक जीवन में यह कैसे व्यवहार करेगा। एक ओर, ऐसे रोग संबंधी मामले हो सकते हैं जब ईएम त्रिकोणीय टुकड़ा-वार रैखिक फ़ंक्शन के साथ अनुमानित करना मुश्किल होता है, जिससे भारी मात्रा में त्रिकोण और / या खराब नमूना गुणवत्ता हो सकती है। दूसरी ओर, यह तुरंत पूरे ईएम योगदान का एक अपेक्षाकृत अच्छा अनुमान प्रदान कर सकता है, जो कई प्रकाश स्रोतों का नमूना लेते समय उपयोगी हो सकता है।

प्रत्यक्ष रोशनी के लिए व्यावहारिक उत्पाद महत्व नमूनाकरण

इस पत्र में वे पर्यावरण मानचित्र प्रकाश और कोसाइन-वेटेड सतह परावर्तन के उत्पाद के नमूने के लिए एक विधि प्रस्तावित करते हैं:

L_{E M} (ω_{i}) f_{r} (ω_{i}, ω_{o}, n) {(ω_{i} \cdot n)}^{+}

$L_{EM}\left(\omega_{i}\right)f_{r}\left(\omega_{i},\omega_{o},n\right)\left(\omega_{i}\cdot n\right)^+$

इस पद्धति में एकमात्र पूर्व-प्रसंस्करण ईएम के एक पदानुक्रमित प्रतिनिधित्व की गणना है (या तो माइपमैप या वेवलेट आधारित)। बाकी नमूना लेने के दौरान मक्खी पर किया जाता है।

नमूना लेने की प्रक्रिया:

$f_{r}\left(\omega_{i},\omega_{o},n\right)\left(\omega_{i}\cdot n\right)^+$
BRDF सन्निकटन और EM के एक उत्पाद की गणना: BRDF क्वाडट्री पत्तियों पर गुणन किया जाता है और औसतन मान माता-पिता के लिए प्रचारित किए जाते हैं।
उत्पाद का नमूना: उत्पाद के पेड़ के माध्यम से वर्दी के नमूने साधारण नमूना वारपिंग का उपयोग करके खिलाया जाता है।

प्रक्रिया को पूर्व-संगणना की कीमत पर अपेक्षाकृत अच्छे नमूने उत्पन्न करने चाहिए - वे बताते हैं कि सबसे अच्छा नमूना प्रदर्शन प्राप्त करने के लिए BRDF सन्निकटन के लिए लगभग 100-200 BRDF नमूनों की आवश्यकता होती है। यह इसे विशुद्ध रूप से प्रत्यक्ष रोशनी की संगणना के लिए उपयुक्त बना सकता है, जहां एक प्रति शेडिंग बिंदु पर कई नमूने उत्पन्न करता है, लेकिन वैश्विक रोशनी एल्गोरिदम (जैसे uni- या द्वि-दिशात्मक पथ ट्रेलरों) के लिए शायद सबसे महंगा है , जहां आप केवल कुछ नमूने उत्पन्न करते हैं। प्रति छायांकन बिंदु।

— ivokabel
स्रोत

डिस्क्लेमर: मुझे नहीं पता कि पर्यावरण मानचित्र के नमूने में कला की स्थिति क्या है। वास्तव में, मुझे इस विषय के बारे में बहुत कम जानकारी है। तो यह पूर्ण उत्तर नहीं होगा, लेकिन मैं समस्या को गणितीय रूप से तैयार करूंगा और इसका विश्लेषण करूंगा। मैं मुख्य रूप से खुद के लिए ऐसा करता हूं, इसलिए मैं अपने स्वयं के लिए स्पष्ट करता हूं लेकिन मुझे उम्मीद है कि ओपी और अन्य इसे उपयोगी पाएंगे।

$\newcommand{\w}{\omega}$

हम एक बिंदु पर प्रत्यक्ष रोशनी की गणना करना चाहते हैं अर्थात हम अभिन्न जहां BSDF फ़ंक्शन है (मैं स्पष्ट रूप से सामान्य पर निर्भर करता हूं जो बाद में उपयोगी होगा), पर्यावरण मानचित्र और दृश्यता के साथ एक साथ cosine शब्द है ( जो कि के लिए है ) अर्थात अगर

I = \int_{S^{2}} f (ω_{i}, ω_{o}, n) L (ω_{i}) (ω_{i} \cdot n)^{+} d ω_{i}

$I =\int_{S^2} f(\omega_i,\omega_o,n) \, L(\omega_i) \,(\omega_i\cdot n)^+ d\omega_i$

f (ω_{i}, ω_{o}, n)

$f(\omega_i,\omega_o,n)$

L (ω_{i})

$L(\omega_i)$

(ω_{i} \cdot n)^{+}

$(\omega_i \cdot n)^+$

+

$+$

(ω_{i} \cdot n)^{+} = 0

$(\omega_i \cdot n)^+=0$

(ω_{i} \cdot n) < 0

$(\omega_i \cdot n)<0$

हम नमूने घनत्व समारोह के संबंध में नमूने उत्पन्न करके इस अभिन्न का अनुमान लगाते हैं , अनुमानक $N$ $\omega_i^1,\dots,\omega_i^N$ $p(\omega_i)$

I \approx \frac{1}{N} \sum_{k = 1}^{N} \frac{f (ω_{i}^{k}, ω_{o}, n) L (ω_{i}^{k}) (ω_{i}^{k} \cdot n)^{+}}{p (ω_{i}^{k})}

$I \approx \frac1N \sum_{k=1}^N \frac{f(\omega_i^k,\omega_o,n) \, L(\omega_i^k) \,(\omega_i^k\cdot n)^+ }{p(\omega_i^k)}$

सवाल यह है: हम पीडीएफ चयन कैसे करते हैं कि हम स्वीकार्य समय में नमूने उत्पन्न करने में सक्षम हैं और उपरोक्त अनुमानक का विचरण काफी छोटा है। $p$

~~बेस्ट~~ विधि उठाओintegrand के लिए आनुपातिक लेकिन समय की सबसे यह है इस pdf के अनुसार नमूना तैयार करना बहुत महंगा है, इसलिए यह व्यवहार में उपयोगी नहीं है। $p$

p (ω_{i}) \sim f (ω_{i}, ω_{o}, n) L (ω_{i}) (ω_{i} \cdot n)^{+}

$p(\omega_i) \sim f(\omega_i,\omega_o,n) \, L(\omega_i) \,(\omega_i\cdot n)^+$

ओपी द्वारा सुझाए गए तरीके:

विधि एक : चुनें कोज्या अवधि के लिए आनुपातिक विधि दो : चुनें एम के लिए आनुपातिक $p$

p (ω_{i}) \sim (ω_{i} \cdot n)^{+}

$p(\omega_i) \sim (\omega_i\cdot n)^+$

p

$p$

p (ω_{i}) \sim L (ω_{i})

$p(\omega_i) \sim L(\omega_i)$

उल्लेख किए गए कागजात के नामों के आधार पर मैं आंशिक रूप से अनुमान लगा सकता हूं कि वे क्या करते हैं (दुर्भाग्य से मेरे पास अभी उन्हें पढ़ने के लिए समय और ऊर्जा नहीं है)। लेकिन वे शायद सबसे ज्यादा क्या करते हैं, इस पर चर्चा करने से पहले, हम पावर सीरीज़ के बारे में थोड़ी बात करते हैं: डी

यदि हमारे पास एक वास्तविक चर का उदाहरण है जैसे । फिर यदि यह अच्छी तरह से व्यवहार किया जाता है, तो इसे एक शक्ति श्रृंखला में विस्तारित किया जा सकता है जहां लगातार होते हैं। यह लगभग करने के लिए इस्तेमाल किया जा सकता कुछ कदम पर योग छोटा द्वारा तो पर्याप्त रूप से उच्च तो त्रुटि वास्तव में छोटा है है। $f(x)$

f (x) = \sum_{k = 0}^{\infty} a_{k} x^{k}

$f(x) = \sum_{k=0}^\infty a_k x^k$

a_{k}

$a_k$

f

$f$

n

$n$

f (x) \approx \sum_{k = 0}^{n} a_{k} x^{k}

$f(x) \approx \sum_{k=0}^n a_k x^k$

n

$n$

अब अगर हमारे पास दो चर में कार्य है जैसे हम इसे केवल पहले तर्क में विस्तारित कर सकते हैं जहाँ केवल में कार्य हैं । इसे दोनों तर्कों में विस्तारित किया जा सकता है जहां स्थिर हैं। इसलिए वास्तविक तर्कों के साथ कार्य को उस तर्क की शक्तियों के योग के रूप में विस्तारित किया जा सकता है। कुछ इसी तरह क्षेत्र पर परिभाषित कार्यों के लिए किया जा सकता है। $f(x,y)$

f (x, y) = \sum_{k = 0}^{\infty} b_{k} (y) x^{k}

$f(x,y) = \sum_{k=0}^\infty b_k(y) \, x^k$

b_{k} (y)

$b_k(y)$

y

$y$

f (x, y) = \sum_{k, l = 0}^{\infty} c_{k l} x^{k} y^{l}

$f(x,y) = \sum_{k,l=0}^\infty c_{kl} x^k y^l$

c_{k l}

$c_{kl}$

अब, चलिए एक फ़ंक्शन परिभाषित किया जाता है जैसे कि । एक वास्तविक पैरामीटर फ़ंक्शन के रूप में इस तरह के फ़ंक्शन को उसी तरह से विस्तारित किया जा सकता है जहां स्थिरांक हैं और हैं गोलाकार हार्मोनिक्स । गोलाकार हार्मोनिक्स सामान्य रूप से दो सूचकांकों द्वारा अनुक्रमित होते हैं और गोलाकार निर्देशांक में फ़ंक्शन के रूप में लिखे जाते हैं लेकिन यह यहां महत्वपूर्ण नहीं है। महत्वपूर्ण बात यह है कि को कुछ ज्ञात कार्यों के योग के रूप में लिखा जा सकता है। $f(\omega)$

f (ω) = \sum_{k = 0}^{\infty} α_{k} S_{k} (ω)

$f(\omega) =\sum_{k=0}^\infty \alpha_k S_k(\omega)$

α_{k}

$\alpha_k$

S_{k} (ω)

$S_k(\omega)$

f

$f$

अब ऐसे कार्य जो दो बिंदुओं पर लगते हैं जैसे को केवल इसके पहले तर्कों में विस्तारित किया जा सकता है या उसके दोनों तर्क $f(\omega,\omega')$

f (ω, ω^{'}) = \sum_{k = 0}^{\infty} β_{k} (ω^{'}) S_{k} (ω)

$f(\omega,\omega') = \sum_{k=0}^\infty \beta_k(\omega') \, S_k(\omega)$

f (ω, ω^{'}) = \sum_{k, l = 0}^{\infty} γ_{k l} S_{k} (ω) S_{l} (ω^{'})

$f(\omega,\omega') = \sum_{k,l=0}^\infty \gamma_{kl} \, S_k(\omega)S_l(\omega')$

तो यह सब कैसे उपयोगी है?

मैं CMUNSM (पागल मानसिक बेकार कोई नमूना विधि) का प्रस्ताव करता हूं : मान लें कि हमारे पास सभी फ़ंक्शन के लिए विस्तारक हैं अर्थात यदि हम इसे इस में प्लग करते हैं अभिन्न हम

\begin{aligned} f (ω_{i}, ω_{o}, n) & = \sum_{k, l, m = 0}^{\infty} α_{k l m} S_{k} (ω_{i}) S_{l} (ω_{o}) S_{m} (n) \\ L (ω_{i}) & = \sum_{n = 0}^{\infty} β_{n} S_{n} (ω) \\ (ω_{i} \cdot n)^{+} & = \sum_{p, q = 0}^{\infty} γ_{p q} S_{p} (ω_{i}) S_{q} (n) \end{aligned}

$\begin{align} f(\omega_i,\omega_o,n) &= \sum_{k,l,m=0}^\infty \alpha_{klm} S_k(\omega_i)S_l(\omega_o) S_m(n) \\ L(\omega_i ) &= \sum_{n=0}^\infty \beta_n S_n(\omega) \\ (\omega_i\cdot n)^+ &= \sum_{p,q=0}^\infty \gamma_{pq} S_p(\omega_i)S_q(n) \end{align}$

I = \sum_{k, l, m, n, p, q = 0}^{\infty} α_{k l m} β_{n} γ_{p q} S_{l} (ω_{o}) S_{m} (n) S_{q} (n) \int_{S^{2}} S_{k} (ω_{i}) S_{n} (ω) S_{p} (ω_{i}) d ω_{i}

$I = \sum_{k,l,m,n,p,q=0}^\infty \alpha_{klm} \beta_n \gamma_{pq} S_l(\omega_o) S_m(n) S_q(n) \int_{S^2} S_k(\omega_i) S_n(\omega) S_p(\omega_i) d\omega_i$

वास्तव में अब हमें मोंटे कार्लो की आवश्यकता नहीं है क्योंकि हम इंटीग्रल्स पहले ही कर सकते हैं और फिर योग का मूल्यांकन कर सकते हैं (वास्तव में अनुमानित sum, हम केवल पहले कुछ शब्द) और हम वांछित परिणाम प्राप्त करेंगे। $\int_{S^2} S_k(\omega_i) S_n(\omega) S_p(\omega_i) d\omega_i$

यह सब अच्छा है, लेकिन हम बीएसडीएफ या पर्यावरण मानचित्र के विस्तार को नहीं जान सकते हैं या विस्तार बहुत धीरे-धीरे अभिसरण करते हैं इसलिए हमें यथोचित सटीक उत्तर प्राप्त करने के लिए योग में बहुत सारे शब्द लेने होंगे।

इसलिए यह विचार सभी तर्कों में विस्तार करने के लिए नहीं है। एक विधि जो जांच के लायक हो सकती है, वह BSDF को नजरअंदाज करना और केवल पर्यावरणीय मानचित्र यानी करना होगा, जिससे पीडीएफ बन जाएगा:

L (ω_{i}) \approx \sum_{n = 0}^{K} β_{n} S_{n} (ω_{i})

$L(\omega_i) \approx \sum_{n=0}^K \beta_n S_n(\omega_i)$

p (ω_{i}) \sim \sum_{n = 0}^{K} β_{n} S_{n} (ω_{i}) (ω \cdot n)^{+}

$p(\omega_i) \sim \sum_{n=0}^K \beta_n S_n(\omega_i) (\omega \cdot n)^+$

हम पहले से ही लिए यह करना जानते हैं , यह एक विधि के अलावा कुछ भी नहीं है । मेरा अनुमान है, यह उच्च लिए कागजात में से एक में किया जाता है । $K=0$ $K$

आगे विस्तार। आप अलग-अलग तर्कों में विभिन्न कार्यों का विस्तार कर सकते हैं और ऊपर के समान सामान कर सकते हैं। एक और बात यह है कि आप अलग-अलग आधारों में विस्तार कर सकते हैं, यानी गोलाकार हार्मोनिक्स का उपयोग नहीं करते हैं लेकिन अलग-अलग कार्य करते हैं।

इसलिए यह मेरा विषय है, मुझे उम्मीद है कि आपको यह कम से कम थोड़ा उपयोगी लगा होगा और अब मैं GoT और बिस्तर से दूर हूं।

— टॉम
स्रोत

Haha, जब मैंने उत्तर पोस्ट किया, तो SE ने मुझसे पूछा कि क्या मैं एक मानव या एक रोबोट हूं, साइट निश्चित नहीं थी: DI आशा है कि यह उत्तर की लंबाई के कारण नहीं है, यह थोड़ा हाथ से निकल गया।

— टॉम

तुम मेरे मस्तिष्क को पिघलाना चाहते हो, नहीं। ;-) बीटीडब्ल्यू: मैं पहले से ही दो पेपर / प्रेजेंटेशन पढ़ने में कामयाब रहा, इसलिए मैं उम्मीद करता हूं कि इस सप्ताह के अंत में मैं सवाल का विस्तार करूंगा या सतही उत्तर लिखूंगा। और अब, GoT FTW!

— ivokabel

जबकि उत्पाद के नमूने के तरीके किरणों के लिए बेहतर (उत्तम) वितरण प्रदान करते हैं, मैं कहूंगा कि MIS (बहु महत्व नमूना) का उपयोग करना उत्पादन में सत्यापित विधि है। चूंकि छायांकन की जानकारी अज्ञात उत्पाद का नमूना वैसे भी परिपूर्ण नहीं होती है और यह बहुत मुश्किल है। अधिक किरणों की शूटिंग अधिक हो सकती है! अपनी स्थिति और पाठ्यक्रम के किरण बजट पर निर्भर करता है!

एमआईएस का संक्षिप्त विवरण: संक्षेप में, आप दोनों बीएसडीएफ-किरण का पता लगाते हैं (जैसा कि आप वैसे भी अप्रत्यक्ष प्रकाश व्यवस्था करने के लिए करेंगे) और ईएम की ओर एक स्पष्ट किरण। एमआईएस आपको वज़न देता है ताकि आप उन्हें इस तरह से जोड़ सकें जो बहुत अधिक शोर को हटा दें। एमआईएस विशेष रूप से उस स्थिति के आधार पर "तकनीक" (अंतर्निहित या स्पष्ट नमूना) चुनने में अच्छा है। यह स्वाभाविक रूप से उपयोगकर्ता के बिना खुरदरापन आदि के आधार पर कठिन विकल्प बनाने के लिए होता है।

Http://graphics.stanford.edu/papers/veach_thesis/ के अध्याय 9 में इसे विस्तार से शामिल किया गया है। क्षेत्र रोशनी के साथ कार्रवाई में MIS के डेमो के लिए https://www.shadertoy.com/view/4sSXWt भी देखें ।

— ऐन्डर्स
स्रोत

हां, MIS एक महत्वपूर्ण उत्पादन-सत्यापित तकनीक है, जो बहुत मदद करता है और मैं इसे अपने समाधान में नियोजित करता हूं (मुझे लगता है, मुझे यह कहना चाहिए था कि प्रश्न में अधिक स्पष्ट रूप से)। हालांकि, एमआईएस-आधारित अनुमानक का समग्र प्रदर्शन इसकी आंशिक नमूने रणनीतियों की गुणवत्ता पर निर्भर करता है। मैं यहां जो करने की कोशिश कर रहा हूं वह अनुमानक के समग्र प्रदर्शन को बेहतर बनाने के लिए उप-रणनीतियों में से एक को बेहतर बनाने के लिए है। मेरे अनुभव में, आमतौर पर कम-गुणवत्ता वाले नमूनों का उपयोग करना अधिक कुशल होता है और अधिक आसानी से उत्पन्न कम गुणवत्ता वाले लोगों की तुलना में अधिक महंगा हो सकता है।

— ivokabel