Path sampling techniques for efficient light transport simulation

Abstract

Reproducing the interactions between light and matter in a physically accurate way can significantly improve the realistic appearance of synthetic images, however such effects can be very computationally expensive to simulate. Pressed by strict requirements on image quality and visual realism, industrial applications have recently moved away from using legacy rasterization-based rendering solutions to fully embrace physically-based Monte Carlo methods. This dramatic shift has rekindled the interest in developing new and robust light transport simulation algorithms that can efficiently handle a wide range of scenes with complex materials and lighting -- a problem that we address in this thesis. State-of-the-art Monte Carlo methods solve the global illumination problem by sampling random light transport paths in the scene via ray tracing. We analyze the efficiency of these methods, devise new path sampling techniques for rendering surface and volumetric light scattering, and develop novel means of leveraging illumination coherence via path reuse. This results in several practical rendering algorithms that produce images with less noise and remain more resilient to variations in the scene configuration than existing methods. The improved efficiency of these algorithms comes from the use of new and diverse sampling techniques, each specialized for handling a different set of lighting effects. Their robustness is due to the adaptive combination of these techniques in a way that preserves their individual strengths.

Die physikalisch korrekte Simulation der Interaktion von Licht mit Materie kann den realistischen Eindruck von synthetisch generierten Bildern zwar deutlich verbessern, erfordert allerdings einen sehr hohen Berechnungsaufwand. Trotzdem hat die Industrie aufgrund der hohen Anforderungen an Bildqualität und Realismus die bisherigen approximativen Verfahren aufgegeben und ist vollständig auf die neuen physikalisch-basierte Monte-Carlo-Verfahren umgestiegen. Dieser dramatische Umbruch hat aber zu einem großen Interesse an neuen und robusten Algorithmen geführt, die auch Szenen mit komplexen Materialien und Beleuchtungssituationen effizient berechnen können. Genau solche Algorithmen sind das Thema dieser Dissertation. Moderne Monte-Carlo-Verfahren simulieren die Beleuchtung in einer Szene, indem sie mögliche Transportpfade von Licht statistisch auf Basis von Ray-Tracing ermitteln. Wir analysieren die statistische Effizienz dieser Methoden, schlagen neue Sampling-Techniken für Oberflächen und Volumen vor und entwickeln neue Methoden, um die Kohärenz in der Beleuchtung besser ausnutzen zu können. Daraus entstehen verschiedene praktische Algorithmen zur Bildsynthese, die weniger Rauschen zeigen und weniger anfällig für Änderungen in der Szene sind als bisherige Ansätze. Die verbesserte Effizienz der neuen Algorithmen wird durch eine geschickte Kombination neuer Sampling-Techniken erzielt, die jeweils auf bestimmte Beleuchtungssituationen spezialisiert sind. Eine adaptive Kombination dieser Techniken, die deren jeweiligen Stärken erhält, führt dann zu der notwendigen Robustheit der Ansätze.