21、多维场景压缩渲染与高效光场图像渲染技术

多维场景压缩渲染与高效光场图像渲染技术

1. 多维场景压缩渲染

1.1 压缩渲染框架概述

压缩渲染提出了一个通用框架，利用分布式光线追踪系统对多维函数$f()$进行少量点采样，然后假设其在变换域中具有稀疏性，使用如 ROMP 和 SpaRSA 等压缩感知算法进行近似重建，最后对信号进行积分得到最终渲染图像。该算法适用于多种蒙特卡罗效应，如运动模糊、景深和区域光源等。

1.2 存在的问题及挑战

• 求解器重建速度慢 ：当前系统性能的一个限制因素是求解器的重建速度。在相关工作中使用了 ROMP 和 SpaRSA 的 C++ 实现，但仍然相对较慢，某些重建需要数十分钟，降低了整个系统的性能。不过，应用数学界正在不断开发新的压缩感知求解器，已经有一些求解器的速度似乎比 ROMP 或 SpaRSA 快很多，并且还可以将求解器在 GPU 上实现，进一步加速算法。
• 算法内存使用量大 ：目前求解器在计算信号分量时需要将整个信号$f$（或其变换$\hat{f}$）存储在内存中。随着场景函数维度的增加，$f$的大小呈指数增长。例如，对于一个具有景深和区域光源的 6D 场景，若图像分辨率为 1024 × 1024，镜头和区域光源的采样网格为 16 × 16，则需要存储大小为$n = 2^{36}$的$f$，这将需要 256GB 的内存。因此，当前方法受到“维度诅咒”的影响，这也是多维信号积分其他方法可能面临的问题。目前正在对求解器进行修改，以减轻实现过程中的内存需求。

1.3 压缩渲染流程