QMC Sampling Types в Blender

Многие технологии визуализации просчитывают итоговое изображение, усредняя результаты некоторого количества выборок. Например размытые отражения — это результат усреднения выборок в конусе вокруг отраженного луча; окружающее освещение (ambient occlusion) — результат усреднения выборок в полусфере вокруг затененной точки, мягкие тени — результат усреднения набора выборок по форме источника cвета и т.д.

Достаточно популярным методом просчета последовательностей точек/направлений является метод Квази Монте-Карло (Quasi-Monte Carlo, QMC Sampling).

В отличие от чисто случайного семплинга метода Монте-Карло (название которого происходит от названия города в княжестве Монако, широко известного своими многочисленными казино, поскольку именно рулетка является одним из самых широко известных генераторов случайных чисел), Квази Монте-Карло метод генерирует сэмплы «почти» случайно. При этом сэмплы распределяются лучше, чем при честной случайной выборке.

При случайном семплинге возможны ситуации, когда соседние выборки попадут слишком близко друг-от-друга и оставят здоровые дырки в просчитываемой области. Пиксели, находящиеся в разных областях, будут просчитаны с помощью разного количества сэмплов, что приведёт к появлению шума в итоговом изображении. Метод QMC уменьшает вариацию выборки, равномерно распределяя сэмплы в детерминированной последовательности.

В настоящее время Blender поддерживает два метода QMC-моделирования:

• Адаптивный QMC (Adaptive QMC) — просчет с использованием последовательности Халтона (Halton sequence)
• Constant QMC — последовательности Хэммерсли (Hammersley sequence).

Как видно на иллюстрации сверху, последовательность Хэммерсли дает более равномерное распределение, результатом которого является более чистое изображение. В то же время, последовательность Халтона может быть просчитана с возрастающей точностью, при сохранении хорошего распределения при добавлении новых сэмплов.

Это существенное преимущество позволяет использовать последовательность Халтона для адаптивных просчетов.

Адаптивный просчет позволяет изменять количество сэмплов в зависимости от конкретных особенностей отдельных области изображения. В некоторых ситуациях, такой метод дает значительный прирост эффективности просчета.

Однако это не означает, что опция «Adaptive QMC» — лучший выбор в любой ситуации. В случае, если включение адаптивного QMC несущественно влияет на время просчета сцены, стоит переключиться на «Constant QMC». Это может значительно улучшить качество итогового изображения, при сравнимом времени визуализации.