Speaker
Description
В работе рассматривается задача моделирования световых полей на основе уравнения глобально освещения – уравнение переноса излучения в среде с отражением и преломлением на границах, – лежащее в основе визуализации полей яркости. Универсальным численным инструментом является метод Монте-Карло с трассировкой лучей, но классическая постановка метода сталкивается с противоречием: стандартное уравнение визуализации сформулировано для поверхностей, тогда как трассировка лучей происходит в объеме сцены. В нашей работе это противоречие разрешается путем перехода к объемной формулировке уравнения глобального освещения, что позволяет применять метод двойных локальных оценок Монте-Карло, который дает возможность напрямую рассчитывать яркость в произвольной точке пространства по любому заданному направлению.
Ключевое преимущество локальных оценок заключается в том, что даже при трассировке всего лишь одного луча формируется приближенное, пусть и шумное, изображение всей сцены. Процесс накопления выборок можно интерпретировать как последовательность шумных кадров, постепенно сходящихся к физически корректному, бесшумному результату. Такая интерпретация открывает путь к радикальному ускорению расчетов с помощью нейронных сетей.
Первая стратегия заключается в применении сверточных нейросетей в качестве интеллектуальных фильтров для постобработки последовательности шумных кадров, генерируемых локальными оценками. Сеть обучается различать корреляционные зависимости в яркости от шума, восстанавливая детали (тени и блики) при минимальной выборке лучей. Вторая стратегия использует идеи flow matching для оптимального семплирования: нейросеть аппроксимирует транспортное распределение вероятностей траекторий фотонов, итеративно сдвигая выборочные точки из априорного распределения в область значимых вкладов в освещенность, что радикально уменьшает дисперсию оценки.
Представленный подход, сочетающий физически корректное моделирование методом Монте-Карло с мощью нейросетевых технологий, открывает новые возможности для фотореалистичной визуализации с высоким уровнем детализации.
