[논문 리뷰] Reversible Jump Metropolis Light Transport using Inverse Mappings

Benedikt Bitterli, Wenzel Jakob외 2명|arXiv (Cornell University)|2017. 04. 22.

Visual perception and processing mechanisms참고 문헌 5인용 수 3

한 줄 요약

이 논문은 경로 기하 구조를 변경하지 않고 다양한 라이트 트랜스포트 샘플링 전략 간 전이를 가능하게 하는 새로운 MCMC 渲染 방법인 Reversible Jump Metropolis Light Transport (RJMLT)을 소개한다. Reversible Jump MCMC 프레임워크 내에서 변형을 정의함으로써 RJMLT는 기존의 MMLT와 비교해 더 높은 수용률, 향상된 시간적 일관성, 감소된 아티팩트 및 더 빠른 수렴 속도를 달성한다.

ABSTRACT

We study Markov Chain Monte Carlo (MCMC) methods operating in primary sample space and their interactions with multiple sampling techniques. We observe that incorporating the sampling technique into the state of the Markov Chain, as done in Multiplexed Metropolis Light Transport (MMLT), impedes the ability of the chain to properly explore the path space, as transitions between sampling techniques lead to disruptive alterations of path samples. To address this issue, we reformulate Multiplexed MLT in the Reversible Jump MCMC framework (RJMCMC) and introduce inverse sampling techniques that turn light paths into the random numbers that would produce them. This allows us to formulate a novel perturbation that can locally transition between sampling techniques without changing the geometry of the path, and we derive the correct acceptance probability using RJMCMC. We investigate how to generalize this concept to non-invertible sampling techniques commonly found in practice, and introduce probabilistic inverses that extend our perturbation to cover most sampling methods found in light transport simulations. Our theory reconciles the inverses with RJMCMC yielding an unbiased algorithm, which we call Reversible Jump MLT (RJMLT). We verify the correctness of our implementation in canonical and practical scenarios and demonstrate improved temporal coherence, decrease in structured artifacts, and faster convergence on a wide variety of scenes.

연구 동기 및 목표

• 샘플링 기법 전환 중 경로 기하 구조의 파손으로 인해 발생하는 불안정성과 낮은 수용률 문제를 해결하기 위해.
• 주 샘플 스페이스 MCMC 렌더링에서 다양한 샘플링 전략 간 국소적이고 기하 구조를 유지하는 전이를 가능하게 하기 위해.
• 세부 균형과 편향 없는 샘플링을 보장하는 수학적으로 타당한 프레임워크를 개발하기 위해.
• 비가역 기법에 대해 확률적 역함수를 활용해 역샘플링을 일반화함으로써 실제 렌더링 시나리오에까지 적용 가능성을 넓히기 위해.
• 복잡한 시나리오, 특히 코우스타이크스, 서브서피스 스캐터링, 딱딱한 그림자 영역에서 시간적 일관성과 수렴 속도를 향상시키기 위해.

제안 방법

• 샘플링 기법 간 차원 일致성 있는 전이를 가능하게 하기 위해 MMLT를 Reversible Jump MCMC (RJMCMC) 프레임워크 내에서 재구성한다.
• 라이트 경로를 생성한 랜덤 수치로 되돌리는 역샘플링 함수를 도입함으로써 경로 기하 구조를 유지하는 변형을 가능하게 한다.
• RJMCMC의 세부 균형을 이용해 정확한 수용 확률을 유도함으로써, 비가역 전이에도 불구하고 편향 없는 샘플링을 보장한다.
• 비가역 샘플링 기법(예: 기각 샘플링, Box-Muller)에 대해 확률적 역함수를 구축하여 실제 렌더링 파이프라인에까지 적용 가능한 범위를 넓힌다.
• 경로가 랜덤 수치의 변형에 얼마나 민감한지 정량화하기 위해 샘플 자코비안을 활용함으로써 적응형 스텝 사이즈 제어를 가능하게 한다.
• 경로 스페이스와 주 샘플 스페이스 간 전이가 가능한 새로운 변형을 도입하여 양 프레임워크의 장점을 융합한다.

실험 결과

연구 질문

• RQ1 Reversible Jump MCMC는 라이트 트랜스포트 렌더링에 효과적으로 적용될 수 있는가? 특히 샘플링 기법 간 매끄러운 전이를 가능하게 하는가?
• RQ2 비가역 샘플링 기법에 대해서도 주어진 라이트 경로를 생성한 랜덤 수치를 복원할 수 있는 역매핑을 어떻게 구성할 수 있는가?
• RQ3 주 샘플 스페이스 MCMC에서 다양한 샘플링 기법 간 전이에 대해 올바른 수용 확률은 무엇인가?
• RQ4 제안된 방법은 MMLT 및 PSSMLT와 비교해 구조적 노이즈를 감소시키고 시간적 일관성을 향상시킬 수 있는가?
• RQ5 역매핑과 자코비안 행렬식은 MCMC 렌더링에서 혼합 속도와 수렴에 어떤 영향을 미치는가?

주요 결과

• RJMLT는 샘플링 기법 전환 중 경로 기하 구조의 파괴를 방지함으로써 MMLT보다 훨씬 높은 수용률을 달성한다.
• 특히 코우스타이크스, 딱딱한 그림자, 복잡한 재질이 포함된 시나리오에서 시간적 불안정성과 구조적 아티팩트를 감소시킨다.
• 주방 시나리오에서는 RJMLT가 MMLT 렌더링에서 관찰되는 패널과 냉장고 위의 조각 조각 난 무늬를 완전히 제거한다.
• 거실 시나리오에서는 RJMLT가 MMLT 결과에서 나타나는 줄무늬 반사와 딱딱한 그림자 영역을 줄여준다.
• 욕실 시나리오에서는 RJMLT가 MMLT에서 누락되거나 잘못된 위치에 렌더링된 코우스타이크스를 정확히 렌더링한다.
• 물 잔 시나리오에서는 RJMLT가 MMLT 대비 더 줄어든 점박무늬 노이즈를 보이며 수렴 속도와 시각적 일관성이 향상된다.