Rethinking multiple importance sampling for general and efficient Monte Carlo rendering

Abstract

Computer generated images are essential for many applications from art to engineering. Unfortunately, rendering such images is costly, with render times easily in the hours, days, or even weeks. On top of that, the demands regarding complexity and visual fidelity are ever rising. Consequently, there is an insatiable need for faster rendering. Efficient render times are often achieved through user intervention. For example, modifying the scene and removing difficult lighting effects can keep render times below an acceptable threshold. Also, algorithm parameters can be tuned manually. For instance, diffuse outdoor scenes are best rendered by unidirectional path tracing, while interiors featuring caustics benefit greatly from bidirectional sampling. Such manual tuning, however, is unfortunate as it puts much burden on the user and poses a hurdle for novices. In this thesis, we pave the way for more universal rendering algorithms with less need of user intervention. For that, we revisit multiple importance sampling (MIS), an essential tool to universalize rendering algorithms by combining diverse sampling techniques. We identify hitherto unknown shortcomings of MIS and propose practical solutions and improvements. As a tangible result, we achieve adaptive bidirectional rendering with performance never worse than unidirectional path tracing.

Computergenerierte Bilder sind essentiell für zahlreiche Anwendungen. Leider ist das Rendering solcher Bilder extrem teuer, mit Renderzeiten in den Studen, Tagen, oder gar Wochen. Darüberhinaus steigen die Ansprüche an Komplexität und Qualität stetig und schier unaufhaltsam. Daher gibt es einen scheinbar niemals endenden Bedarf nach immer schnelleren Rendering Algorithmen. Schnelle Renderzeiten werden oft durch Nutzerintervention erreicht. Zum Beispiel können Szenen durch das Entfernen von teuren Effekten manuell vereinfacht werden. Auch die geschickte manuelle Wahl des besten Algorithmus und der zugehörigen Parameter ist hilfreich. Zum Beispiel werden diffuse Außenumgebungen am effizientesten mit unidirektionalem Path Tracing simuliert, während Innenumgebungen mit komplexen Kaustiken sehr von bidirektionalen Algorithmen profitieren. Solch manuelle Einstellungen sind allerdings unvorteilhaft, da sie viel Last auf den Nutzer packen und eine Hürde für Anfänger darstellen. Diese Arbeit zielt darauf ab, den Weg freizuräumen für universellere Rendering Algorithmen mit geringerem Bedarf nach manueller Kontrolle. Eine essentielle Komponente dafür ist die Kombination mehrerer Methoden durch Multiple Importance Sampling (MIS). Wir identifizieren bislang unbekannte Mängel von MIS und beheben diese mit praktischen Lösungen. Als greifbares Ergebnis erzielen wir einen adaptiven bidirektionalen Algorithmus der stets schneller ist als reines unidirektionales Path Tracing.