Manifold Path Guiding

新的ART-MPG模型通过自回归采样增强渲染路径引导

研究人员开发了ART-MPG，一种新颖的自回归神经网络模型，旨在改进渲染算法中的路径引导。该模型从冯·米塞斯-费舍尔分布的拓扑条件混合物中采样链长、反射/透射字符串和方向。通过将流形路径引导与基于链长和R/T字符串的重试采样相结合，ART-MPG旨在减少预期的重试次数和估计器方差。在十四个场景上的评估表明，在每像素采样数相同的情况下，ART-MPG始终优于现有的在线和离线渲染算法，具有更低的均方误差和标准差。