Уравнение визуализации.
I. Точные против приближенных методов.
II: Собирающие против ударяющих методов.
III: Приближенные методы: видозависимые и видонезависимые решения.
GI методы, поддерживаемые VRay.
Все современные визуализаторы основаны на rendering equation введенном James T. Kajiya в его работе 1986 года "Уравнение визуализации". Это уравнение описывает как свет распространяется в сцене. В статье Kajiya также предложил метод рассчета изображений, основывающийся на этом уравнении и использующий метод Монте-Карло, названный path tracing (Трассировка пути).
Можно отметить, что уравнение было известно задолго до того, как инженеры использовали его для рассчета радиационного теплообмена в различном окружении. Однако Kajiya был первым, кто применил это уравнение для рассчета графики.
Также можно отметить, что уравнение визуализации только "Приближенное уравнение Максвелла для электромагнетизма". Оно не пытается смоделировать все оптические феномены. Оно основывается только на геометрической оптике и, т.о. не може имитировать веще подобные дифракции, интерференции и поляризации. Однако оно может быть легко модифицировано для учета эффектов, зависящих отдлины волны, таких как дисперсия.
Из-за того что уравнение визуализации основывается на геометрической оптике, трассировка лучей очень удобный путь решения этого уравнения. Действительно большинство визуализаторов решают это уравнение основываясь на трассировке лучей.
Возможны разные формулировки уравнения визуализации, предложенная Kajiya выглядит так:
где:
L(x, x1) относится к свету, прошедшему через точку x1 к точке x;
g(x, x1) это геометрия (или член видимости);
e(x, x1) это интенсивность, излученного света из точки x1 по направлению к точке x;
r(x, x1, x2) относится к свету, рассеянному из точки x2 к точке x через точку x1;
S объединение всех поверхностей в сцене, а x, x1 и x2 точки, принадлежащие S.
Что означает это уравнение : свет достигающий данной точки x в сцене из другой точки x1 есть сумма света, излученного из всех других точек x2 к x1 и отраженного к x:
Исключая очень простые случаи, уравнение визуализации не может быть решено точно за конечное время рассчета. Однако мы можем получить результат настолько близкий, насколько захотим к настойщему решению - имея достаточно времени. Поиск алгоритмов рассчета глобального освещения был задачей нахождения достаточно точного решения фравнения за приемлемое время.
Уравнение визуализации одно. Различные визуализаторы просто применяют разные методы его решения. Если два визуализатора решают его достаточно аккуратно, тогда они генерирую подобные изображения для одной сцены. Это хорошо в теории, но на практике визуализаторы часто урезают или изменяют часть уравнения визуализации, что может приводить к разным результатам.
Другая, более философская точка зрения, что уравнение визуализации выведено из математической модели поведения света. Для целей компьютерной графики это очень хорошая модель, но она не описывает точно как свет ведет себя в реальном мире. Например, уравнение визуализации полагает, что световые лучи бесконечно тонкие и что скорость света бесконечна - ни то ни другое неверно в реальном мире.
Как отмечено выше мы не можем решить уравнение точно - есть всегда некоторая ошибка хотя она может быть сделана очень маленькой. В некоторых методах визализации, желаемая ошибка указывается пользователем и определяет аккуратность рассчетов (т.е. плотность выборок GI, или лучи GI, или число фотонов и т.д.). Неудобство этих методов то, что пользователь должен ждать пока весь процесс рассчета завершится, прежде чем результат может быть использован. Другое неудобство что он может потребовать много проб и ошибок для нахождения установок, которые произведут нужное качество. Однако большое преимущество этих методов то, что они могут быть очень эффективны в пределах указанных границ точности, т.к. алгоритм может сконцентрироваться на решении трудных частей уравнения визуализации (т.е. разделение изображения на независимые регионы, испольнение нескольких фаз рассчета и т.д.), и затем объединить результат.
В других методах изображение рассчитывается постепенно - в начале ошибка большая, но становится меньше по мере дополнительных рассчетов. В любой момент времени мы имеем частичный результат для всего изображения. Так, что мы можем прервать рассчет и использовать промежуточный результат.
Преимущества:
Недостатки:
Примеры:
Преимущества:
Недостатки:
Примеры:
Преимущества:
Недостатки:
Примеры:
Они стартуют от светильников и распространяют световую энергию по сцене. Заметим, что удараяющие методы могут быть и точными и приближенными.
Преимущества:
Недостатки:
Примеры:
Они стартуют от камеры и/или геометрии сцены. Заметим, что собирающие методы могут быть и точными и приближенными.
Преимущества:
Недостатки:
Примеры:
Они комбинируют сбор и ударения; опять они могут быть и точными и приближенными.
Преимущества:
Недостатки:
Примеры:
Некоторые приближенные методы позволяют кэшировать GI решение. Кэш может быть или зависящим от вида или не зависящим.
Преимущества:
Недостатки:
Примеры:
Собиращие методы и некоторые гибридные методы позволяют иметь и видозависимые и видонезависимые решения.
Преимущества:
Недостатки:
Примеры:
Преимущества:
Недостатки:
Примеры:
Различные комбинации видозависимой и видонезависимой техники могут быть использованы.
Примеры:
VRay поддерживает несколько методов для решения GI уравнения - точные, приближенные, ударения и сбора. Некоторые методы больше подхолят для некоторых специфичиских типов сцены.
VRay поддерживает два точных метода для рассчета уравнения визуализации: QMC GI и progressive path tracing. Различие между ними что QMC GI работает с традиционым алгоритмом конструирования изображения (визуализация bucket-ов) и адаптивен, тогда как трассировка пути улучшает картинку целиком и не адаптируется.
Все другие методы, используемые VRay (карта освещения, кэш света, карта фотонов) приближенные.
Карта фотонов - единственный ударяющий метод в VRay. Каустика может также быть рассчитана картой фотонов в комбинации с собирающими методами.
Все остальные методы в VRay (QMC GI, карта освещенности, кэш света) собирающие методы.
VRay может использовать разные GI движки для первичного и вторичного отскоков, что позволяет Вам комбинировать точный и приближенный методы, ударяющий и собирающий алгоритмы, в зависимости от Ваших потребностей. Некотрые возможнве комбинации демонстритруются на странице Примеры GI.
