Počítačová grafika III – Multiple Importance Sampling Jaroslav Křivánek, MFF UK

Slides:



Advertisements
Podobné prezentace
Lineární klasifikátor
Advertisements

Počítačová grafika III Odraz světla, BRDF – Cvičení Jaroslav Křivánek, MFF UK
Počítačová grafika III - Cvičení Integrováví na jednotkové kouli
Počítačová grafika III – Monte Carlo integrování II Jaroslav Křivánek, MFF UK
Počítačová grafika III – Důležitost, BPT Jaroslav Křivánek, MFF UK
Testování statistických hypotéz
Rozhodování spotřebitele v podmínkách rizika
Jaroslav Křivánek, MFF UK
Počítačová grafika III – Zobrazovací rovnice a její řešení
Počítačová grafika III – Zobrazovací rovnice a její řešení Jaroslav Křivánek, MFF UK
Počítačová grafika III – Monte Carlo integrování
Počítačová grafika III – Path tracing II Jaroslav Křivánek, MFF UK
3. PRINCIP MAXIMÁLNÍ VĚROHODNOSTI
Získávání informací Získání informací o reálném systému
Lichoběžník Obsah lichoběžníku.
Kruh, kružnice – povrch, objem, výpočty
25. října 2004Statistika (D360P03Z) 4. předn.1 Statistika (D360P03Z) akademický rok 2004/2005 doc. RNDr. Karel Zvára, CSc. KPMS MFF UK
Počítačová grafika III – Monte Carlo integrování Jaroslav Křivánek, MFF UK
Počítačová grafika III – Monte Carlo integrování Přímé osvětlení
Počítačová grafika III – Sekvence s nízkou diskrepancí a metody quasi-Monte Carlo Jaroslav Křivánek, MFF UK
Počítačová grafika III Úvod Jaroslav Křivánek, MFF UK
SVĚTELNÉ POLE = část prostoru, ve které probíhá přenos světelné energie Prokazatelně, tj. výpočtem nebo měřením některé světelně technické veličiny,
Počítačová grafika III Světlo, Radiometrie – Cvičení Jaroslav Křivánek, MFF UK
Počítačová grafika III – Cvičení 3 Jaroslav Křivánek, MFF UK
Počítačová grafika III – Světlo, Radiometrie
Statistická analýza únavových zkoušek
Počítačová grafika III – Monte Carlo integrování II Jaroslav Křivánek, MFF UK
Charakteristiky variability
Počítačová grafika III – Monte Carlo rendering 2 Jaroslav Křivánek, MFF UK
Odhad metodou maximální věrohodnost
Počítačová grafika III – Monte Carlo integrování Jaroslav Křivánek, MFF UK
Experimentální fyzika I. 2
Počítačová grafika III – Path tracing Jaroslav Křivánek, MFF UK
Počítačová grafika III – Důležitost, BPT Jaroslav Křivánek, MFF UK
Metrologie   Přednáška č. 5 Nejistoty měření.
Počítačová grafika III – Cvičení 4 Jaroslav Křivánek, MFF UK
Počítačová grafika III – Zobrazovací rovnice a její řešení Jaroslav Křivánek, MFF UK
2. Vybrané základní pojmy matematické statistiky
Počítačová grafika III – Radiometrie
© Institut biostatistiky a analýz INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ ANALÝZA A KLASIFIKACE DAT prof. Ing. Jiří Holčík, CSc.
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Počítačová grafika III Organizace Jaroslav Křivánek, MFF UK
Počítačová grafika III ZS 2014 Organizace Jaroslav Křivánek, MFF UK
Jednoduchý lineární regresní model Tomáš Cahlík 2. týden
Počítačová grafika III Organizace Jaroslav Křivánek, MFF UK
Počítačová grafika III Úvod Jaroslav Křivánek, MFF UK
Počítačová grafika III – Světlo, Radiometrie
Anti – Aliasing Ondřej Burkert atrey.karlin.mff.cuni.cz/~ondra/stranka.
Počítačová grafika III – Path tracing Jaroslav Křivánek, MFF UK
Hustota pravděpodobnosti – případ dvou proměnných
Molekulová fyzika 3. přednáška „Statistický přístup jako jediná funkční strategie kinetické teorie“
Inferenční statistika - úvod
Počítačová grafika III – Monte Carlo rendering 3 Jaroslav Křivánek, MFF UK
Počítačová grafika III – Bidirectional path tracing
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
Metropolis © Josef Pelikán, 1 / 38 © 2008 Josef Pelikán, CGG MFF UK Praha
ŘEŠENÍ PROBLÉMŮ: GESTALT PSYCHOLOGIE, TEORIE PROSTORU PROBLÉMU EXPERTI ROZHODOVÁNÍ: HEURISTIKY, TEORIE PODPORY, TEORIE UŽITKU CHYBY V ROZHODOVÁNÍ Řešení.
Testování hypotéz Otestujte,… Ověřte,… Prokažte,… že střední věk (tj.  ) …činí 40 let (= 40) …je alespoň 40 let (≥ 40)
Základy statistické indukce
Induktivní statistika
Induktivní statistika
Monte Carlo Typy MC simulací
- váhy jednotlivých studií
Induktivní statistika
Počítačová grafika III Monte Carlo estimátory – Cvičení
Počítačová grafika III Monte Carlo estimátory – Cvičení
Fyzikální veličiny Míry fyzikálních vlastností: X = x [X]
Induktivní statistika
Gravitační pole Potenciální energie v gravitačním poli:
F-Pn-P062-Odchylky_mereni
Transkript prezentace:

Počítačová grafika III – Multiple Importance Sampling Jaroslav Křivánek, MFF UK

Sampling strategies BRDF IS 600 samples EM IS 600 samples MIS samples Diffuse only Ward BRDF,  =0.2 Ward BRDF,  =0.05Ward BRDF,  =0.01 PG III (NPGR010) - J. Křivánek 2014

Zpět k obecnému MC integrování – „Multiple Importance Sampling“

Multiple Importance Sampling f(x) 01 p 1 (x) p 2 (x) PG III (NPGR010) - J. Křivánek 2014 (Veach & Guibas, 95)

Multiple importance sampling Máme dáno n vzorkovacích „technik“ (hustot pravděpodobnosti) p 1 (x),.., p n (x) Z každé techniky (hustoty) vybereme n i vzorků X i,1,.., X i,n i Kombinovaný estimátor PG III (NPGR010) - J. Křivánek 2014 vzorkovací techniky vzorky z jednotlivých technik kombinační váhy (mohou být různé pro každý vzorek)

Nestrannost kombinovaného odhadu Podmínka pro váhové funkce PG III (NPGR010) - J. Křivánek 2014

Volba váhových funkcí Cíl: minimalizovat rozptyl kombinovaného estimátoru 1. Aritmetický průměr (velmi špatná kombinace) 2. Vyrovnaná heuristika (velmi dobrá kombinace)  …. PG III (NPGR010) - J. Křivánek 2014

Vyrovnaná heuristika (Balance heurist.) Kombinační váhy Výsledný estimátor (po dosazení vah)  příspěvek vzorku nezávisí na tom, ze které byl pořízen techniky (tj. pdf) PG III (NPGR010) - J. Křivánek 2014

Vyrovnaná heuristika (Balance heurist.) Vyrovnaná heuristika je téměř optimální  Žádný kombinovaný estimátor nemůže mít rozptyl „o mnoho“ menší než vyrovnaná heuristika Další možné kombinační heuristiky  Maximální heuristika  Mocninná heuristika  viz. Veach 1997 PG III (NPGR010) - J. Křivánek 2014

Jeden člen kombinovaného odhadu f(x) 01 p 1 (x) p 2 (x) PG III (NPGR010) - J. Křivánek 2014

Aritmetický průměr 01 PG III (NPGR010) - J. Křivánek 2014

Vyrovnaná heuristika 01 PG III (NPGR010) - J. Křivánek 2014

Výpočet přímého osvětlení pomocí MIS

Problém: Najdeme náhodným vzorkováním BRDF světlo? PG III (NPGR010) - J. Křivánek 2014 referencesimple path tracer (150 cest na pixel) Images: Alexander Wilkie

Přímé osvětlení Řešíme problém: přímé osvětlení z daného zdroje světla tj. odražená radiance z bodu x způsobená osvětlením ze zdroje světla PG III (NPGR010) - J. Křivánek 2014

Přímé osvětlení: Dva možné přístupy 1. Vzorkování BRDF 2. Vzorkování plochy světel PG III (NPGR010) - J. Křivánek 2014

Dvě vzorkovací techniky PG III (NPGR010) - J. Křivánek 2014 Image: Alexander Wilkie

Přímé osvětlení: Vzorkování BRDF Formulace integrálu (integrování přes hemisféru nad x) MC estimátor  Generujeme náhodný směr  i,k podle hustoty p  Vrhneme paprsek z x ve směru  i,k  Pokud protne nějaký zdroj světla, přičteme L e (.) f r (.) cos/pdf PG III (NPGR010) - J. Křivánek 2014

Přímé osvětlení: Vzorkování povrchu zdrojů světla Formulace integrálu (integrování přes plochu zdroje) MC estimátor  Generujeme náhodnou pozici y k na zdroji  Testujeme viditelnost mezi x a y  Pokud V(x,y)=1, přičteme |A| L e (y) f r (.) cos/pdf PG III (NPGR010) - J. Křivánek 2014

Přímé osvětlení: Dva možné přístupy Vzorkování BRDF  Výhodnější pro velké zdroje světla  Pro malé zdroje světla je pravděpodobnost zásahu zdroje velmi malá -> vysoký rozptyl, šum Vzorkování světel  Výhodnější pro malé zdroje  Jediná možná alternativa pro bodové zdroje  Pro velké zdroje mnoho vzorků mimo lalok BRDF -> vysoký rozptyl, šum PG III (NPGR010) - J. Křivánek 2014

Přímé osvětlení: Dva možné přístupy PG III (NPGR010) - J. Křivánek 2014 Images: Eric Veach Vzorkování BRDFVzorkování světel

Přímé osvětlení: Dva možné přístupy Kterou techniku zvolit?  OBĚ Problém  Obě techniky odhadují stejnou veličinu L r (x,  o ) Pouhým sečtením bychom dostali odhad 2 L r (x,  o ) - špatně  Potřebuji vážený průměr příspěvků obou technik  Jak zvolit váhy? PG III (NPGR010) - J. Křivánek 2014

Jak zvolit váhy? Multiple importance sampling (Veach & Guibas, 95) Váhy závislé na pdf vzorků Minimalizuje rozptyl kombinovaného estimátoru Téměř optimální řešení PG III (NPGR010) - J. Křivánek 2014 Image: Eric Veach

Výpočet přímého osvětlení pomocí MIS PG III (NPGR010) - J. Křivánek 2014 Vzorkovací technika (pdf) p 1 : Vzorkování BRDF Vzorkovací technika (pdf) p 2 : Vzorkování plochy světla Image: Alexander Wilkie

Kombinace PG III (NPGR010) - J. Křivánek 2014 Aritmetický průměr Zachovává špatné vlastnosti obou technik Vyrovnaná heuristika Bingo!!! Image: Alexander Wilkie

Dvě vzorkovací techniky PG III (NPGR010) - J. Křivánek 2014 Image: Alexander Wilkie w1 * A1 w2 * A2

Výpočet vah PG III (NPGR010) - J. Křivánek 2014 Váha vzorku z BRDF vzorkování Hustota pravděpodobnosti vzorkování z BRDF Hustota, s jakou by byl směr  j vygenerován, kdybychom byli použili vzorkování plochy zdroje

Hustoty pravděpodobnosti Vzorkování BRDF: p 1 (  )  Závisí na BRDF, např. pro Lambertovskou BRDF Vzorkování plochy zdroje: p 2 (  ) PG III (NPGR010) - J. Křivánek 2014 Převedení hustoty 1/|A| z plošné míry (dA) do míry prostorového úhlu (d  )

Příspěvky vzorkovacích technik PG III (NPGR010) - J. Křivánek 2014 Image: Alexander Wilkie w1 * vzorkování BRDFw2 * vzorkování zdroje