Thesis
Adaptieve en Progressieve
Ray Tracing.
(Davy Debacker)

Index
● Klassieke ray tracing
● Adaptieve ray tracing
● Progressieve ray tracing
● Bestaande technieken

Klassieke ray tracing

Klassieke ray tracing (nadelen)
● Nadelen van klassieke
raytracing:
– Aliasing, ruis, ...
– Beperkte bijdrage van
extra stralen
● Oplossing: meer
stralen?

Index
● Klassieke ray tracing
● Adaptieve ray tracing:
– Plaatsen waar meer samples nodig zijn
– Hoe kritieke plaatsen detecteren?
● Rand detectie
● Vooraf bepalen
● Progressieve ray tracing
● Bestaande technieken

Adaptieve ray tracing
● Aantal (minder
relevante) stralen
verminderen.
● Gericht stralen
schieten.
Farrugia and Péroche
(2004) EUROGRAPHICS

Plaatsen waar meer samples
nodig zijn.
● Randen:

Plaatsen waar meer samples
nodig zijn.
● (Zachte) schaduw
Jiajun (2005)
http://www.cs.virginia.edu

Plaatsen waar meer samples
nodig zijn.
● Transparante objecten
● Reflecterende objecten
Jiajun (2005)
http://www.cs.virginia.edu

Hoe weten we waar de kritieke
plaatsen zijn?
– Rand detectie
– Vooraf bepalen in de scene
– Eerder berekende punten (progressief)

Rand detectie
– Rechts de typische uitvoer van een Sobel filter toegepast op de foto van Lena
links.

Nadelen van rand detectie
● Prentje moet vooraf gekend zijn. (animantiefilm)
● Dezelfde belichting.

Vooraf bepalen in de scene:
Rand waar meer
samples nodig zijn.
Rand waar niet
meer samples
nodig zijn.

Vooraf bepalen in de scene
(nadelen)
● Meer geavanceerde objecten
● Schaduwen
● Caustics

Index
● Klassieke ray tracing
● Adaptieve ray tracing
● Progressieve ray tracing
● Bestaande technieken

Progressieve ray
tracing
● 1. Initiële sampling
(meestal 1 straal per
pixel)

Progressieve ray
tracing
● 2. Detecteren van
plaatsen waar
meer samples
nodig zijn.

Progressieve ray
tracing
● 3. Eventueel
reconstructie.

Index
● Klassieke ray tracing
● Adaptieve ray tracing
● Progressieve ray tracing
● Bestaande technieken:
– Multidimensionele adaptieve bemonstering
(Toshiya Hachisuka et al.)
– Combineren van randen en punten (Bala et al.)
– Frequentie gebaseerd (Bolin & Meyer)

Multidimensionale adaptieve
bemonstering
● Motion blur
● 3 stappen:
– Initiële bemonstering
– Adaptieve verbetering
– Reconstructie

Multidimensionale adaptieve
bemonstering
● Initiële bemonstering:
– Aantal (random) samples
– Verdeel de samples in rechthoeken
Tijd
Beeld

Multidimensionale adaptieve
bemonstering
● Adaptieve verbetering:
– Bereken de fout in elke rechthoek
– Bemonster rechthoek met grootste fout
Tijd
Beeld

Multidimensionale adaptieve
bemonstering
● Adaptieve verbetering:
– Multidimensionele opdeling
Tijd
Beeld

Multidimensionale adaptieve
bemonstering
● Reconstructie:
– 1 waarde per blok
Tijd
Beeld

Multidimensionale adaptieve
bemonstering
Reconstructie: pixelwaarde = Σ waarde * lengte
Tijd
Beeld

Multidimensionale adaptieve
bemonstering
Multidimensionele adaptieve bemonstering
Multidimensionale Mitchell
Hachisuka et al (2008)
ACM SIGGRAPH

Combineren van randen en punten
Bala et al (2003)
ACM Siggraph
● Initiële stap:
– Zoeken van randen
– Zeer ruwe eerste bemonstering

Combineren van randen en punten
● Randen en Punten
samenvoegen
(Edge-and-Point
Image)
Bala et al (2003)
ACM Siggraph

Combineren van randen en punten
● Detecteren van de randen

Combineren van randen en punten
● Opdelen van pixels Leeg
Simpel
Complex

Combineren van randen en punten
● Voorstellen van de randen

Combineren van randen en punten
● Reconstructie (adhv 5x5 buurpixel matrix)

Combineren van randen en punten
Bala et al (2003)
ACM Siggraph

Frequentie gebaseerd
● 2 karakteristieken van menselijk zicht:
– Contrast gevoeligheid
– Gevoeligheid voor ruis in verschillende frequenties

Frequentie gebaseerd
● Contrast gevoeligheid
Voorstelling van kleuren
in 1 achromatische en
2chromatische termen

Frequentie gebaseerd
● Gevoeligheid voor ruis in verschillende frequenties
Bolin & Meyer
(1995) University
of Oregon

Frequentie gebaseerd
● Gebaseerd op JPEG algoritme:
– 8x8 pixels per blok
– Frequentie representatie per blok

Frequentie gebaseerd
● Frequentie representatie per blok
– Cosinus termen vooraf berekenen
– Vast sampling patroon
1 A 3
5 B
4 2

Frequentie gebaseerd
Vast sample vs random samples

Planning
● Implementatie in orde zetten
● Bestuderen hoe het algoritme reageert op
reflectie, refractie, schaduwen, ...
● Random sample patroon
– efficiëntie verlies vs kwaliteitswinst

Hartelijk dank voor uw aandacht.