Uyarlanabilir Örnekleme

Bu sayfa, V-Ray tarafından uygulanan uyarlanabilir örnekleme hakkında bilgi vermektedir.

Genel Bakış #

V-Ray, “bulanık” değerleri (artilaslama, alan derinliği, dolaylı aydınlatma, alan ışıkları, parlak yansımalar/kırılmalar, saydamlık, hareket bulanıklığı vb.) değerlendirmek için Monte Carlo örnekleme (MC) yönteminin bir varyantı olan Deterministik Monte Carlo (DMC) yöntemini kullanır.

DMC örnekleme cihazının bulanık değerleri için gereken örnek sayısı şu faktörlere bağlıdır:

• Değerin önemi – koyu parlak yansımalar, açık olanlara göre daha az örnekle yetinebilir; uzaktaki alan ışıkları, yakındakilere göre daha az örnek gerektirir, vb. Bir değer için ayrılan örnek sayısını önem derecesine göre belirlemeye önem örneklemesi denir .

• Belirli bir değer için örneklerin varyansı (“gürültü”) – örnekler birbirlerinden çok farklı değilse daha az örnek gerekir. Bu, örneklerin tek tek hesaplanışına bakarak ve her yeni örnekten sonra daha fazla örneğe ihtiyaç olup olmadığına karar vererek çalışır. Bu tekniğe erken sonlandırma veya adaptif örnekleme denir .

• Tarihsel olarak, belirli bir bulanıklık efekti için subdivs değeri, örnek sayısını belirlemek için de kullanılıyordu. Subdivs değeri, V-Ray’in 5. sürümünden itibaren otomatik olarak yapılandırılmaktadır.

Deterministik Monte Carlo örneklemesi, önceden tanımlanmış bir dizi rastgele örnek kullanır; bu da bir görüntüyü yeniden işlerken tam olarak aynı sonucu elde etmeyi sağlar. Saf Monte Carlo örneklemesinden farkı, Monte Carlo’nun her değerlendirme için farklı olan sözde rastgele sayılar kullanmasıdır; bu nedenle tek bir görüntüyü yeniden işlemek, gürültüde her zaman biraz farklı sonuçlar üretecektir. Varsayılan olarak, V-Ray tarafından kullanılan Deterministik Monte Carlo yöntemi, Christophe Schlick tarafından tanıtılan Schlick örneklemesinin bir modifikasyonudur.

V-Ray, uyarlanabilir bir örnekleme motorudur. Bu, V-Ray’in bir pikselin rengi veya bir yüzeyden yansıyan ışık gibi bir değeri hesaplaması gerektiğinde, bağlama bağlı olarak bu değer için değişen sayıda örnek alacağı anlamına gelir. V-Ray’in kullandığı uyarlanabilir algoritma çok basittir: birden fazla örnek gerektiren herhangi bir efekt için, V-Ray önce az sayıda örnek hesaplar ve ardından, örneklerin varyansı çok büyükse, sonuç yeterince iyi olana kadar daha fazla örnek almaya devam eder.

V-Ray’in hesaplaması gereken örnekler genel olarak görüntü örnekleri ve gölgelendirme örnekleri olarak sınıflandırılabilir. Görüntü örnekleri, alan derinliği ve hareket bulanıklığı efektleri de dahil olmak üzere, nihai görüntüyü oluşturan piksel değerleriyle doğrudan ilgili olanlardır. Gölgelendirme örnekleri ise parlak yansımalar, küresel aydınlatma, alan ışıkları vb. efektleri hesaplamak için alınanlardır. V-Ray, bu iki durumda da uyarlanabilir örnekleme kullanır. Aşağıdaki resim, belirli bir piksel içinde bir ışığın veya malzemenin nasıl örneklenebileceğine dair olası bir yolu göstermektedir.

Uyarlanabilir şekilde örneklenmesi gereken her değer için,   V-Ray’in her zaman hesapladığı  belirli bir minimum örnek sayısı , maksimum örnek sayısı ve minimum ile maksimum arasında kaç örneğin gerçekten hesaplanacağını kontrol eden bir  gürültü eşiği vardır  . Minimum örnek sayısına ihtiyaç duyulmasının nedeni, her uyarlanabilir algoritma gibi, V-Ray’in DMC örnekleyicisinin de örneklenen belirli değer hakkında herhangi bir varsayımda bulunmadan önce o değer hakkında biraz bilgi toplaması gerektiğidir.

Görüntü örneklemesi için, minimum örnek sayısı, maksimum örnek sayısı ve gürültü eşiği olmak üzere üç değer doğrudan kullanıcı tarafından belirtilir.  VRaySampleRate render öğesi, maksimum değerin yüzdesi olarak gerçekte kaç örnek alındığını gösterebilir. V-Ray daha sonra parlak yansımalar, alan ışıkları, GI gibi her bulanık efekt için alınacak en iyi gölgelendirme örnek sayısını otomatik olarak belirler. Kullanıcının ek bir değer belirtmesi gerekmez . Dahili olarak, V-Ray, DMC örnekleyicisi için uyarlanabilir bir eşik, uyarlanabilir miktar ve minimum örnek sayısı için genel değerler kullanır  . Minimum örnek sayısı alındıktan sonra, DMC örnekleyicisi gürültü eşiğine ulaşılana veya maksimum örnek sayısı alınana kadar daha fazla örnek almaya devam eder.

Notlar #

1 – Otomatik gölgelendirme örneklemesi V-Ray 5 ile birlikte kullanıma sunuldu. Ancak, VRayDirt ve VRayCurvature’ın, uyarlanabilir örnekleme ayarlarından bağımsız olarak çalışan kendi Subdivs parametreleri vardır.

2 – Bu parametreler V-Ray 5’te gizlidir. Bunlar için en uygun değerler varsayılan olarak ayarlanmıştır ve çoğu kurulumda değiştirilmelerine gerek yoktur.

Referanslar #

 Bilgisayar grafikleri için deterministik Monte Carlo örneklemesi hakkında daha fazla bilgiye aşağıdaki kaynaklardan ulaşılabilir.

• C. Schlick, “Işın İzleme Yöntemiyle Çok Boyutlu Entegrasyon için Uyarlanabilir Örnekleme Tekniği”, İkinci Eurographics Rendering Çalıştayı (İspanya), 1991, s. 48-56,
  kenar yumuşatma, hareket bulanıklığı, alan derinliği, alan ışık örneklemesi ve parlak yansımalar için deterministik MC örneklemesini tanımlar.

• K. Chiu, P. Shirley ve C. Wang, “Çoklu Titreşimli Örnekleme”, Graphics Gems IV, 1994,
  bilgisayar grafikleri amacıyla titreşimli ve N-rooks örneklemesinin bir kombinasyonunu tanımlar.

• Masaki Aono ve Ryutarou Ohbuchi, Uyarlanabilir Örnekleme ile Yarı Monte Carlo İşleme, IBM Tokyo Araştırma Laboratuvarı Teknik Raporu RT0167, 25 Kasım 1996, s. 1-5. Çevrimiçi sürümüne http://www.kki.yamanashi.ac.jp/~ohbuchi/online_pubs/eg96_html/eg96.htm
  adresinden ulaşılabilir. Düşük sapmalı dizilerin alan ışık örneklemesi ve küresel aydınlatma problemine uygulanmasını açıklamaktadır.
  
  

• M. Fajardo, Monte Carlo Işın İzleme Uygulamada, Gerçekçi Görüntü Sentezi için Monte Carlo Işın İzlemede Son Durum, SIGGRAPH 2001 Kurs 21, s. 151-162; Çevrimiçi sürümüne http://cseweb.ucsd.edu/~viscomp/classes/cse274/wi18/readings/course29sig01.pdf
  adresinden 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 işleyiciyi tanımlar.
  
  

• E. Veach, Aralık, Işık Taşıma Simülasyonu için Sağlam Monte Carlo Yöntemleri, Stanford Üniversitesi Doktora Tezi, 1997, s. 58-65. Çevrimiçi versiyonuna http://graphics.stanford.edu/papers/veach_thesis/
  adresinden ulaşılabilir.   Düşük sapma dizileri, yarı Monte Carlo örneklemesi ve bunların küresel aydınlatma problemini çözmeye uygulanmasına ilişkin bir açıklama içermektedir.

• L. Szirmay-Kalos, Önem Odaklı Yarı-Monte Carlo Yürüyüşü ile Görüntüleme Denkleminin Çözümü, Kış Bilgisayar Grafikleri Konferansı, 1998. Çevrimiçi sürümüne https://www.sciencedirect.com/science/article/abs/pii/S0097849399000308
  adresinden ulaşılabilir   (Bu sayfa artık mevcut değil). Düşük sapma dizileri kullanan önem örneklemesinin yanı sıra yarı-Monte Carlo örneklemesi kullanan küresel aydınlatma problemini çözmek için iki aşamalı bir yöntemi tanımlar.