21、多维场景压缩渲染与光场图像高效渲染技术解析

多维场景压缩渲染与光场图像高效渲染技术解析

1. 多维场景压缩渲染概述

压缩渲染为蒙特卡罗渲染提供了一种全新视角，将其视为多维函数，借助压缩感知工具，假设其在变换域中具有稀疏性，从而实现信号的重建。该框架通用性强，能重建多种蒙特卡罗效果，如运动模糊、景深和区域光源等。其具体流程如下：
- 利用分布式光线追踪系统对多维函数$f()$进行少量点采样。
- 运用压缩感知算法（如 ROMP 和 SpaRSA），基于变换域的稀疏性假设，对采样信号进行近似重建。
- 对重建后的信号进行积分处理，生成最终渲染图像。

不过，当前该框架在实际生产渲染应用中存在一些问题：
- 求解器重建速度慢 ：在实际应用中，使用 C++ 实现的 ROMP 和 SpaRSA 求解器重建速度相对较慢，部分重建过程需数十分钟，影响了整个系统的性能。不过，应用数学界正不断开发新的压缩感知（CS）求解器，已有一些求解器速度明显快于 ROMP 和 SpaRSA，且可考虑在 GPU 上实现 CS 求解器，进一步提升算法速度。
- 算法内存使用量大 ：求解器在计算信号分量时，需将整个信号$f$（或其变换$\hat{f}$）存储在内存中。随着场景函数维度增加，$f$的大小呈指数级增长。例如，对于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，则需存储大小为$n = 2^{36}$的$f$，这需要 256GB 内存，面临“维度灾难”问题。目前正在对求解器进行改进，以降低内存需求。

2. 光场图像高效渲染背景

近年来，一种新型