Faster and more robust algorithms for Monte Carlo light transport simulation

Im etablierten Forschungsfeld des Renderings stellen die Ansprüche an Geschwindigkeit und Korrektheit noch immer Herausforderungen. Abhängig von Materialien und anderen Szeneneigenschaften sind die Ergebnisse moderner Monte Carlo Simulationsverfahren verrauscht oder gar nicht in der Lage bestimmte Lichteffekte zu reproduzieren. Daher hängen sowohl die Korrektheit als auch die Geschwindigkeit von der Verbesserung der Sampling- Algorithmen ab. In dieser Dissertation schlage ich mehrere Modifikationen vor, welche die Zuverlässigkeit solcher Simulationsmethoden in schwierigen Situationen erhöhen. Das erste Problem, für welches ich Lösungen präsentiere, ist die verbesserte Kombination mehrerer Sampling-Techniken bei Verwendung von Photon Mapping. Aktuelle Algorithmen überschätzen die Wichtigkeit bei der Wiederverwendung von Photonen, was in einer erhöhten Varianz resultiert. Ein anderes offenes Problem ist das Rendering von Kaustiken in bestimmten Szenen oder unter Verwendung ausgesuchter Sampling-Techniken. Hierfür präsentiere ich zwei Ansätze, die die Varianz in den entsprechenden Situationen reduzieren können. Der erste ist eine lokale Anpassung von Materialien mit dem Ziel generell weniger Varianz bei beliebigen Samplern zu erzwingen. Dies führt zu einer fehlerhaften Weichzeichnung von Glanzeffekten, was wiederum durch den Einsatz von adaptiven Heuristiken verringert werden kann. Der zweite Ansatz zeigt eine neue Sampling-Technik, welche die Verbindung zu einer Lichtquelle ausnutzt um den Transport von Photonen in die sichtbaren Regionen zu lenken. Dies verbessert das Sampling von Kaustiken von weit entfernten Lichtquellen erheblich. Des weiteren habe ich zur Umsetzung der genannten Verbesserungen mehrere Datenstrukturen entwickelt, welche auch in anderen Anwendungen Verwendung finden könnten. Zwei der Datenstrukturen – ein Hash-Gitter und ein Octree – sind darauf spezialisiert die Dichte von Partikeln an beliebigen Punkten abzuschätzen. Beide sind für den Einsatz in hoch parallelen Architekturen entworfen. Zur alternativen Schätzung von Dichten habe ich mich in dieser Dissertation außerdem mit der Abschätzung von Sampledichten aus dem Pfad selbst (Footprints) auseinander gesetzt.While rendering is a well established research topic, the demands for correct and fast light transport simulations still pose open challenges. Dependent on material and scene configurations, the results of modern Monte Carlo methods can be quite noisy and even missimportant effects. Therefore, both the correctness and the speed depend on the improvement of sampling algorithms. In this thesis I propose several modifications which improve the reliability of transport methods for diffcult situations. The first problem solved is the improved weighting when combining multiple samplers. Current algorithms, based on photon mapping, tend to overestimate the importance of single techniques if parts of the results are reused for different transport paths. Another open problem is the rendering of caustic effects dependent on the scene and the selection of sampling techniques. Here, I explore two different solutions to reduce the variance in these situations. The first changes the materials locally to reduce the noise in general. This leads to blurry results which can be partially compensated by applying adaptive heuristics. The other solution is a new transport operator which makes use of the connections toward light sources to partially guide the photon transport to important regions. This improves the sampling of caustics with far distant light sources. To achieve the described solutions I developed several useful data structures which might apply to other problems. Two of them – a hash grid and an octree – are targeted for the density estimation of particles in massive parallel algorithms. Finally, I experimented with a cheap footprint estimate as an alternative approach to calculate the density of particles in a target region