1. 概要
- 实现了光子映射渲染方法
- 尝试实现 Metropolis 渲染方法（未得到正确结果）
2. 光子映射渲染方法
3. Metropolis渲染方法
MLT算法将物理上的Metropolis方法运用到路径采样中，其核心思想在于：发现一条对结果影响更大的有效路径后，在path space中该路径邻近区域采样得到的路径对结果影响较大的可能性会更大。（也就是假设高贡献度路径周围的路径也很可能是高贡献度的）
比如上图的例子，采样到一条有效路径P后，在邻近区域采样很容易得到另一条有效路径P'，从而更高效地搜索有效路径。
（马尔科夫链帮助采样：根据当前样本和一个概率分布，生成下一个相近的样本）
算法流程
-
通过 INITIALPATH() 找到一条有效路径 x，将x进行变异得到y，计算接受概率 a，如果路径 y 被接受，那么下一次从y进行变异，否则还是从x开始，最后记录该路径的颜色贡献值。
-
接受概率也主要是看新路径和旧路径的贡献度
需要考虑的问题- MLT的采样过程是上下关联的，即下一次的采样结果依赖于上一次的路径，有可能一直在某个高贡献度的局部区域采样而忽略了其他区域
解决办法：经过一定次数路径变异后重写INITIALPATH
- 变异函数的选择影响算法效率
在Veach的论文：ROBUST MONTE CARLO METHODS FOR LIGHT TRANSPORT SIMULATION中，Veach使用了几种变异策略：Bidirectional mutations(随机删除中间的部分路径，再添加一段随机路径，这个应该是整个变异方法的主体，特别适用于处理漫反射场景)；Lens perturbations(主要针对LDSE路径作随机扰动，用于处理镜面反射)；Caustic perturbations(针对LSDE路径作微扰，用于处理焦散)； 算法优缺点 优点
- 复杂的、困难的光路传播效果不错，如半掩的门，水中的聚焦现象等
- 可以做到以任意函数为pdf生成样本 缺点
- 所有操作都是局部的，很难分析收敛速度，即不知道要渲染多久
- 由于不同部分的像素收敛快慢不同，正常看上去图片会比较脏
4. 渲染结果
- 光子映射：
- MLT：
结果分析
- 全是噪声有可能是没有正确记录有效路径的颜色贡献度，或者接受概率有问题导致全都被接受了？
- 正常来说变异（mutate）次数越多，生成效果会越好，相应的渲染时间也会越长
5. 实验感想 理解框架代码还是有点耗时间的，一开始就尝试实现Metropolis渲染算法也遇到了很多困难，之后参考了论文和PBRT官方的实现后还是没能完全debug，很可惜最后渲染结果还是一堆噪声...可能没完全理解算法细节吧，或者复写框架接口的一些函数没完全写对？也没时间再debug了...希望之后学习图形学的过程中能有机会完全实现。 6. 参考文献 [1] Eric Veach, Leonidas J. Guibas, Computer Science Department Stanford University, Metropolis Light Transport. [2] Physically Based Rendering: From Theory to Implementation, by Matt Pharr, Wenzel Jakob, and Greg Humphreys [3] https://github.com/mmp/pbrt-v3 [4] https://www.pbr-book.org/3ed-2018/Light_Transport_III_Bidirectional_Methods/Metropolis_Light_Transport