Bu sayfa, V-Ray Renderer’ın Sampler sekmesindeki DMC sampler seçenekleri hakkında bilgi vermektedir.
Genel Bakış
#
DMC Sampler, V-Ray içinde, kenar yumuşatma, alan derinliği, dolaylı aydınlatma, alan ışıkları, parlak yansımalar/kırılmalar, saydamlık, hareket bulanıklığı vb. gibi “bulanık” efektlerle ilgili piksellerin etrafında hangi örneklerin alınacağını tam olarak belirlemek için kullanılan bir çerçevedir. DMC, Deterministik Monte Carlo anlamına gelir.
DMC Örnekleyici Parametreleri #
Hareketli Gürültü Deseni – Etkinleştirildiğinde, örnekleme deseni zamanla değişir. Devre dışı bırakıldığında, örnekleme deseni animasyondaki kareler arasında aynı kalır; bu da bazı durumlarda istenmeyen bir durum olabilir. Aynı karenin yeniden işlenmesinin her iki durumda da aynı sonucu verdiğini unutmayın.
Mavi Gürültü Örneklemesi – Etkinleştirildiğinde, düşük örnek sayılarında daha hoş bir sonuç elde etmek için DMC örneklerinin ekran alanındaki sıralamasını değiştirir.
Örnek: Mavi Gürültü Örneklemesi #
Mavi Gürültü Örnekleme optimizasyonu, örnekleri görüntü üzerinde daha homojen bir şekilde dağıtarak daha hoş bir görsel gürültü deseni oluşturur. Aynı örnek sayısıyla gürültü görsel olarak daha azdır:
DMC Sampler’ın Kökeni #
Monte Carlo (MC) örneklemesi, “bulanık” değerleri değerlendirmek için kullanılan bir yöntemdir. Monte Carlo örneklemesi, her değerlendirme için farklı olan sözde rastgele sayılar kullanır; bu nedenle tek bir görüntünün yeniden işlenmesi, gürültüde her zaman biraz farklı sonuçlar üretir. V-Ray, önceden tanımlanmış bir örnek kümesi kullanan deterministik Monte Carlo (DMC) adı verilen bir Monte Carlo örnekleme varyantı kullanır; bu nedenle bir görüntünün yeniden işlenmesi her zaman tam olarak aynı sonucu üretir. Bu örnekler, gürültüyü azaltmak için daha da optimize edilebilir.
V-Ray, bulanık değerlerin her biri için ayrı örnekleme yöntemlerine sahip olmak yerine, belirli bir değer için hangi örneklerin (ve tam olarak kaç tane) alınacağını, o değerin gerekli olduğu bağlama bağlı olarak belirleyen tek bir birleşik çerçeveye sahiptir. Bu çerçeve DMC Örnekleyicisidir.
Varsayılan olarak, V-Ray tarafından kullanılan deterministik Monte Carlo yöntemi, Christophe Schlick tarafından 1991’de tanıtılan Schlick örneklemesinin bir modifikasyonudur ( aşağıdaki DMC Sampler#References bölümüne bakın).
DMC Numune Alma Cihazı İçin Değerlerin Belirlenmesi #
V-Ray, kullanıcı için değerleri otomatik olarak belirler. Kamera ışınları için gerçek örnekler dışında, ayarlanması gereken herhangi bir ayar yoktur.
Teorik olarak, bulanık değerler için örnek sayısı aşağıdaki faktörlere bağlı olarak belirlenir:
-
Değerin önemi (örneğin, koyu parlak yansımalar, parlak olanlara göre daha az örnekle yetinebilir, çünkü yansımanın nihai sonuç üzerindeki etkisi daha küçüktür; uzaktaki alan ışıkları, yakındakilere göre daha az örnek gerektirir. Bir değer için ayrılan örnek sayısını öneme göre belirlemeye önem örneklemesi denir.)
-
Belirli bir değer için alınan örneklerin varyansı (yani “gürültü”) – eğer örnekler birbirlerinden çok farklı değilse, değer için daha az örnek yeterli olabilir; eğer örnekler çok farklıysa, iyi bir sonuç almak için daha fazla sayıda örneğe ihtiyaç duyulacaktır. Bu, temelde örneklerin tek tek hesaplanışını inceleyerek ve her yeni örnekten sonra daha fazla örneğe ihtiyaç olup olmadığına karar vererek çalışır. Bu tekniğe erken sonlandırma veya adaptif örnekleme denir.
Referanslar #
Bilgisayar grafikleri için deterministik Monte Carlo örneklemesi hakkında daha fazla bilgiye aşağıdaki kaynaklardan ulaşılabilir.
-
Schlick, C., 1991, Işın İzleme Yöntemiyle Çok Boyutlu Entegrasyon için Uyarlanabilir Örnekleme Tekniği, İkinci Eurographics Görüntüleme Çalıştayı (İspanya), ss. 48-56
-
Kenar yumuşatma, hareket bulanıklığı, alan derinliği, alan ışık örneklemesi ve parlak yansımalar için deterministik MC örneklemesini tanımlar.
-
Masaki Aono ve Ryutarou Ohbuchi, 25 Kasım 1996, Uyarlanabilir Örnekleme ile Yarı Monte Carlo İşleme , IBM Tokyo Araştırma Laboratuvarı Teknik Raporu RT0167, s. 1-5; çevrimiçi sürümüne buradan
ulaşılabilir. Düşük sapma dizilerinin alan ışık örneklemesi ve küresel aydınlatma problemine uygulanmasını açıklamaktadır. -
Fajardo, M., 13 Ağustos 2001, Monte Carlo Işın İzleme Uygulamada , Gerçekçi Görüntü Sentezi için Monte Carlo Işın İzlemede Son Durum , SIGGRAPH 2001 Kurs 21, s. 151-162; çevrimiçi sürümüne buradan
ulaşılabilir. Piksel örneklemesi, küresel aydınlatma, alan ışık örneklemesi, hareket bulanıklığı, alan derinliği vb. için düşük sapma dizileri kullanan rastgeleleştirilmiş yarı-Monte Carlo örneklemesi kullanan ARNOLD işleyicisini tanımlar. -
Veach, E., Aralık 1997, Işık Taşıma Simülasyonu için Sağlam Monte Carlo Yöntemleri , Stanford Üniversitesi Doktora Tezi, s. 58-65 ( çevrimiçi versiyonuna buradan
ulaşılabilir) . Düşük sapma dizilerinin, yarı Monte Carlo örneklemesinin ve bunun küresel aydınlatma problemini çözmeye uygulanmasının bir açıklamasını içerir. -
Szirmay-Kalos, L., 1998, Önem Odaklı Yarı-Monte Carlo Yürüyüşü Çözümü ile Görüntüleme Denkleminin Çözümü , Kış Bilgisayar Grafikleri Okulu Konferansı, 1998 (çevrimiçi sürümü buradan
satın alınabilir) Düşük sapma dizileri kullanan önem örneklemesinin yanı sıra yarı-Monte Carlo örneklemesini de kullanan küresel aydınlatma problemini çözmek için iki aşamalı bir yöntemi tanımlar .
