← Zpět do přednáškyPGA

1 / 1

Dílna: šum při 1, 16, 64 a 256 vzorcích

  • Čtyři rendery mají shodnou scénu, seed 1729, kameru a barevné zobrazení. Denoising i adaptivní vzorkování jsou vypnuté.
  • Pro nezávislé vzorky má Monte Carlo odhad typicky směrodatnou chybu úměrnou 1/√N. Čtyřnásobek vzorků proto přibližně půlí chybu, nikoli každý konkrétní rozdíl pixelu.
  • 256 spp je kvalitnější ukázka, ne přesná ground truth. Z JPEG/PNG po AgX nelze spolehlivě měřit radiometrickou chybu v lineární radianci.
1 spp, 960 × 540, bez denoisingu.
1 spp, 960 × 540, bez denoisingu.
16 spp, 960 × 540, bez denoisingu.
16 spp, 960 × 540, bez denoisingu.
64 spp, 960 × 540, bez denoisingu.
64 spp, 960 × 540, bez denoisingu.
256 spp, 960 × 540, bez denoisingu.
256 spp, 960 × 540, bez denoisingu.

Nejdřív odhad

Kolikrát více vzorků potřebujeme pro zhruba poloviční typickou chybu?

Postup experimentu

  1. Nejprve odhadni vztah mezi N a rozptylem.
  2. Porovnej stejnou oblast všech čtyř snímků.
  3. Pro skutečné měření MSE použij lineární EXR a nezávislou referenci, nikoli oříznutý displejový náhled.
Kontrolní výsledek a vysvětlení

Přibližně čtyřikrát více. Z desetinásobku vzorků nevznikne automaticky desetkrát čistší obraz.