On Filtering the Noise from the Random Parameters in Monte Carlo Rendering

몬테카를로 렌더링 시스템은 훌륭한 이미지를 만들어 낼 수 있지만 낮은 샘플링에서는 많은 노이즈를 만들어 냅니다.

이 연구에서는, 몬테 카를로 시스템에서 사용된 무작위 변수들의 직접적인 영향에 의해 나타나는 이미지 영역의 노이즈를 관찰하여 보다 적은 입력 샘플 값으로부터 함수 관계를 추정함으로써 동일한 몬테카를로 노이즈를 만들고자 합니다.

이를 위해서 렌더링 시스템을 블랙박스라고 간주하고 시스템의 입력과 출력 사이의 통계적 종속성을 계산합니다.

그런 다음 몬테카를로 방법에 의해 영향을 받는 샘플 값의 중요도를 감소시키기 위해 이미지 공간에 적용시 이 정보를 사용하여 cross-bilateral 필터를 사용하여 무작위 변수에 의해 나타나는 노이즈만 제거하고 씬의 중요한 디테일은 보존하게 합니다.

샘플 값들 사이의 함수관계를 사용하는 과정과 몬테카를로 노이즈를 필터링 하기 위한 무작위 변수 입력 과정은 무작위 변수 필터링 (RPF) 라고 불리며, 이 방법을 통해서 단지 몇 분만에 수천배나 많은 샘플로 렌더링 된 이미지와 유사한 이미지를 만드는 방법을 설명합니다.

나아가서, 이 알고리즘은 무작위 변수를 위해 어떠한 물리적 의미를 지정하지 않았기 때문에 일반적이며, 몬테카를로 방법의 다양한 효과들(피사계 심도, 에이리어 광원, 모션블러, 패스트레이싱 등을 포함한)에 적용가능 합니다.

여기 이전의 접근법으로 만들어진 것들에 비해 높은 품질을 가지지만 낮은 샘플링율로 만든 스틸 이미지와 애니메이션 시퀀스를 공개합니다.