可逆跳跃Metropolis光传输：使用逆映射
摘要：主题：基于Markov Chain Monte Carlo方法的多重采样技术研究 摘要：本论文研究了在原始样本空间中操作的Markov Chain Monte Carlo (MCMC)方法及其与多重采样技术的相互作用。我们观察到将采样技术纳入马尔可夫链的状态中，如Multiplexed Metropolis Light Transport (MMLT)所做的那样，阻碍了链正确探索路径空间的能力，因为采样技术之间的转换会导致路径样本发生破坏性的改变。为了解决这个问题，我们在可逆跳变MCMC (RJMCMC)框架中重新构造了Multiplexed MLT，并引入了将光线路径转化为产生它们的随机数的逆采样技术。这使我们能够形成一种新的扰动，在不改变路径几何形状的情况下在采样技术之间实现局部转换，并使用RJMCMC推导出正确的接受概率。我们研究如何将这个概念推广到实践中常见的不可逆采样技术，并引入概率逆采样，将我们的扰动扩展到覆盖光传输模拟中大多数采样方法。我们的理论将逆采样与RJMCMC相结合，得到一个无偏算法，我们称之为Reversible Jump MLT (RJMLT)。我们验证了我们实现的正确性，在典型和实际场景中展示了提高的时间一致性、减少结构性伪影和更快的收敛性。
作者：Benedikt Bitterli and Wenzel Jakob and Jan Nov''ak and Wojciech Jarosz
论文ID：1704.06835
分类：Graphics
分类简称：cs.GR
提交时间：2017-04-25