[论文解读] Accelerating Inverse Rendering By Using a GPU and Reuse of Light Paths

Ido Czerninski, Yoav Y. Schechner|arXiv (Cornell University)|Sep 30, 2021

Computer Graphics and Visualization Techniques参考文献 24被引用 8

一句话总结

该论文通过两种关键技术优化GPU架构上的蒙特卡罗路径追踪，从而加速逆向渲染：路径排序（Path Sorting），即按路径长度分组光路以提升并行性；路径重用（Path Recycling），即在优化迭代间复用光路以减少随机性和冗余性。该方法显著加快了逆向渲染中的基于梯度的优化，在散射层析成像和反射率测量应用中实现最高3.5倍的加速。

ABSTRACT

Inverse rendering seeks to estimate scene characteristics from a set of data images. The dominant approach is based on differential rendering using Monte-Carlo. Algorithms as such usually rely on a forward model and use an iterative gradient method that requires sampling millions of light paths per iteration. This paper presents an efficient framework that speeds up existing inverse rendering algorithms. This is achieved by tailoring the iterative process of inverse rendering specifically to a GPU architecture. For this cause, we introduce two interleaved steps - Path Sorting and Path Recycling. Path Sorting allows the GPU to deal with light paths of the same size. Path Recycling allows the algorithm to use light paths from previous iterations to better utilize the information they encode. Together, these steps significantly speed up gradient optimization. In this paper, we give the theoretical background for Path Recycling. We demonstrate its efficiency for volumetric scattering tomography and reflectometry (surface reflections).

研究动机与目标

• 解决传统基于蒙特卡罗的逆向渲染因计算成本高且GPU利用率低而导致的效率低下问题。
• 克服GPU加速可微渲染中光路长度随机性带来的挑战，该问题会阻碍并行执行。
• 通过在优化迭代间复用信息丰富的光路，实现基于梯度的逆向渲染更快收敛。
• 通过针对GPU执行模式定制渲染流水线，提升体积分层散射层析成像与表面反射率测量的性能。
• 为路径重用提供理论基础，确保在优化过程中参数小幅更新时路径的相关性得以保持。

提出的方法

• 提出路径排序：按光路长度（段数）对光路进行分组，以实现合并内存访问并提升GPU占用率。
• 提出路径重用作为核心创新：仅采样一组固定的光路，并在多个优化迭代中复用，以降低方差并消除路径长度随机性。
• 理论证明表明，当场景参数在迭代间发生微小变化时，路径重用仍能保持梯度信息。
• 将路径重用集成到支持体积分层散射与表面反射率（BRDF）模型的可微渲染引擎中。
• 使用蒙特卡罗积分估计正向模型，并通过路径追踪过程的反向传播计算梯度。
• 通过推导每类粒子的消光系数与散射系数梯度，支持多类型粒子散射，从而实现在医学与大气成像等应用中更真实的层析重建。

实验结果

研究问题

• RQ1 尽管光路长度存在固有随机性，如何在GPU架构上加速基于蒙特卡罗的逆向渲染？
• RQ2 在基于梯度的优化中，复用前序迭代的光路在多大程度上能提升收敛速度并减少计算冗余？
• RQ3 当场景参数在迭代间发生微小扰动时，路径重用是否能保持梯度的准确性和稳定性？
• RQ4 所提出的框架在涉及体积分层散射与表面反射率的逆问题中，如何提升性能？
• RQ5 在不造成显著信息损失或梯度偏差的前提下，复用迭代间光路的理论基础是什么？

主要发现

• 路径重用通过复用信息丰富的光路降低梯度估计方差，从而加快逆向渲染的收敛速度。
• 路径排序与路径重用相结合，使GPU硬件上的逆向渲染性能相比标准蒙特卡罗方法最高提升3.5倍。
• 由于有效复用路径信息，该方法在减少每次迭代采样量的情况下，仍能保持散射层析成像与反射率测量的高精度。
• 理论分析证实，当场景参数逐步变化时，路径重用能保持梯度一致性，为其在迭代优化中的应用提供理论支持。
• 该框架支持多类型粒子散射，使医学与大气成像等应用中的层析重建更加逼真。
• 实验结果表明，路径重用显著减少了每次迭代所需的光路数量，同时保持或提升了重建质量。