MIS

Light Sampling 懂光源,BSDF Sampling 懂材質,那誰來分配工作?用兩個助手,理解 MIS 怎麼替每個樣本分配權重。

之前已經介紹過很多 PBR 裡面的技術了,涵蓋了基礎概念跟 sampling 技術。那今天也是要介紹一個很重要的方法,MIS(Multiple Importance Sampling,多重重要性採樣)。

說 MIS 是一種 sampling 技術,其實還可以再講清楚一點。如果要用比喻來描述,它更像是一個路由器,但是會處理加權事件的路由器,負責把不同採樣方法的結果分配好權重。

那 MIS 如果要替這些方法分工,總要先有具體的方法可以搭配吧?它搭配的是什麼呢?

簡單來說,結合之前學過的,就是 BSDF Sampling 跟 Light Sampling。

嗯,感覺好像有一點不對欸,我們哪時候學過這個了?確實,我在介紹時把資訊分散在不同筆記,但實際的技術其實都有討論,詳細可以參考 BSDF 跟 NEE 那兩篇。

對了,Light Sampling 又是什麼呢?這裡先不展開具體的技術細節,我的建議是:先把它想成 NEE 裡「主動對光源取樣」的那一步就好。

NEE 是在交點主動估計直接光照,而 Light Sampling 就是其中挑光源、抽光源位置或方向的工作。這樣接起來,應該就比較熟悉了。

這兩種 sampling 都利用自己掌握的資訊,多抽一些有機會帶來重要貢獻的方向,也就是 Importance Sampling(重要性採樣) 的想法。

一、兩個助手,一個懂光源,一個懂材質

好,放了一堆前情提要,也該進入 MIS 了。還是一樣,如果要用一句話解釋,那就是:

讓 BSDF Sampling 跟 Light Sampling 互相合作、取長補短,把樣本用得更有效率的技術。

舉個很白話的例子。

假設你正在找光。

你站在一個房間裡,想知道某個物體表面朝你這個方向反射出多少光。

你有兩個助手:

  • 助手 A(Light Sampling/NEE 裡的光源採樣):專門朝燈的位置找光。很會找燈,但不一定知道材質最容易反射哪個方向的光。
  • 助手 B(BSDF Sampling):專門按照材質容易反射光的方向去找。很懂材質,但可能找不到燈。

現在問題來了。

假設一個光源很小,助手 A 很容易找到它,但助手 B 可能採樣了 100 次,只有 1 次碰到光源。

反過來,如果表面很光滑,反射集中在一小片方向,助手 B 很清楚該往哪裡找,助手 A 卻可能一直採到沒有多少貢獻的方向。

那 MIS 做什麼?

MIS 說:「兩個助手都可以幫忙,但我要根據各自擅長的方向,決定他們的結果應該占多少權重。」

務實地講,MIS 做的事情是:

Light Sampling 懂光源,BSDF Sampling 懂材質,而 MIS 負責讓兩者的採樣結果合理分工,減少雜訊,同時避免重複計算。

對,它其實更像是一種優化計算資源的手法。但這不代表它不重要,相反地,為了不讓錢錢亂噴,實務上的 Path Tracer 很常用到 MIS。因此理解它,就成為一件理所當然的事情囉。

二、每個 Sample,到底要算多少?

那好,說要讓兩種方法互相幫忙,總得有個具體的分工方式吧?兩個助手各自找到光以後,他們交回來的結果,到底要各算多少?

要回答這個問題,我們先把兩種採樣策略的 PDF 列出來:

  • Light Sampling,PDF 為 pL(ω)p_L(\omega)。
  • BSDF Sampling,PDF 為 pB(ω)p_B(\omega)。

PDF 可以參考之前 NEE 的介紹,或者回去看機率密度函數那篇。

兩種策略分別產生樣本,並且用 MIS Weight 調整各自的貢獻。

嗯,這句話也好難理解喔。確實,所以我們直接把它拆成兩個步驟吧。

1. 兩種方法各自去找光

假設我們有兩個人:

  • Light Sampling:專門往燈的方向找光。
  • BSDF Sampling:專門往材質容易反射光的方向找光。

兩個人各自取得光照資訊,並算出自己的 Sample 貢獻。

這個「原本的 Sample 貢獻」,已經算入光照、材質與照射角度,也做過之前 PDF 那篇介紹的取樣補償,除過自己的採樣 PDF。接下來,再乘上 MIS 的分工權重。

2. MIS 決定每個 Sample 的貢獻要算多少

假設 Light Sampling 找到一個方向,而這個方向:

  • Light Sampling 很容易採樣到。
  • BSDF Sampling 卻很難採樣到。

那 MIS 就會認為:「這個方向比較適合由 Light Sampling 負責。」

因此,可能分配成這樣:對於這個方向,Light Sampling 的 MIS 權重是 90%,BSDF Sampling 的權重是 10%。

假設 Light Sampling 算出這個 Sample 原本的貢獻是 10:

10×0.9=910\times0.9=9

最後這個 Light Sample 就貢獻 9,而不是 10。

BSDF Sampling 產生的 Sample 也會用同樣的方式,把它自己採到的方向代進去,重新計算權重。

最後,把兩邊的加權貢獻相加:

最終估計=Light 加權貢獻+BSDF 加權貢獻\text{最終估計}=\text{Light 加權貢獻}+\text{BSDF 加權貢獻}
把剛才兩個步驟合成一條公式

Light Sampling 抽到 ωL\omega_L,BSDF Sampling 抽到 ωB\omega_B。把兩個樣本各自完成 PDF 補償的貢獻記成 CLC_L 和 CBC_B,兩邊各一個樣本時:

估計結果=wL(ωL)CL+wB(ωB)CB\text{估計結果}=w_L(\omega_L)C_L+w_B(\omega_B)C_B

對 Light Sample 算權重時,查的是 pL(ωL)p_L(\omega_L) 和 pB(ωL)p_B(\omega_L);對 BSDF Sample 算權重時,則查 pL(ωB)p_L(\omega_B) 和 pB(ωB)p_B(\omega_B)。也就是說,每次比較的都是兩種策略在同一個方向上的密度。

三、Balance Heuristic:先看 PDF 怎麼分

那理解它是用權重去計算了,接下來就是具體介紹,它是怎麼處理權重計算的囉。

我們在這裡介紹兩種方法,先看 Balance Heuristic(平衡啟發式)。

兩種策略各取一個 Sample 時:

wL(ω)=pL(ω)pL(ω)+pB(ω)w_L(\omega)= \frac{p_L(\omega)}{p_L(\omega)+p_B(\omega)} wB(ω)=pB(ω)pL(ω)+pB(ω)w_B(\omega)= \frac{p_B(\omega)}{p_L(\omega)+p_B(\omega)}

這是最基本的 MIS 權重計算方式。

一次丟出兩個公式,一定很難理解。其實很簡單,我們要 track 的是兩個字母:

  • BB:BSDF。
  • LL:Light。

接下來只要認真追蹤這兩個就行了,而 pp 則是我們很熟悉的 PDF。

我們先拿:

wL(ω)=pL(ω)pL(ω)+pB(ω)w_L(\omega)=\frac{p_L(\omega)}{p_L(\omega)+p_B(\omega)}

來解釋一下。這三個符號分別代表:

  • pL(ω)p_L(\omega):Light Sampling 採樣這個方向的 PDF。
  • pB(ω)p_B(\omega):BSDF Sampling 採樣這個方向的 PDF。
  • wL(ω)w_L(\omega):Light Sampling 在這個方向分到的權重。

白話就是:

Light Sampling 的權重=Light Sampling 的 PDF ÷ 兩種 Sampling 的 PDF 總和。

直接舉例。假設對於同一個方向 ω\omega:

pL(ω)=0.8,pB(ω)=0.2p_L(\omega)=0.8,\qquad p_B(\omega)=0.2

那麼:

wL=0.80.8+0.2=0.8w_L=\frac{0.8}{0.8+0.2}=0.8 wB=0.20.8+0.2=0.2w_B=\frac{0.2}{0.8+0.2}=0.2

所以 Light Sampling 分到 80%,BSDF Sampling 分到 20%。就是把兩個密度按比例分配成權重。

唯一會讓人稍微困惑的是,你可能會想:

「既然 Light Sampling 和 BSDF Sampling 都已經實際射出 Ray 了,為什麼 MIS 不直接根據射線找到的光來分配權重,反而要看 PDF?」

原因是:

實際採樣告訴我們『這次找到了多少光』;PDF 告訴我們『這個方向有多容易被找到』。MIS 需要知道後者,才能合理分配貢獻。

那好,知道為什麼用 PDF 了,但為什麼 PDF 大,權重就大?

你可以這樣想:假設某個方向很容易被 Light Sampling 找到,卻很難被 BSDF Sampling 找到。

MIS 就會說:

「既然 Light Sampling 比較擅長找到這個方向,那這個方向的估計,就讓它承擔比較多。」

這也接回之前的 PDF 筆記:PDF 說的是採樣的密度,實際找到多少光則看光照資訊。

最後一個問題,為什麼分母要把兩個 PDF 加起來?

其實非常簡單,因為這個分法能讓同一個方向上的兩個權重加起來,剛好等於 1:

wL(ω)+wB(ω)=pL(ω)pL(ω)+pB(ω)+pB(ω)pL(ω)+pB(ω)=1w_L(\omega)+w_B(\omega)= \frac{p_L(\omega)}{p_L(\omega)+p_B(\omega)} +\frac{p_B(\omega)}{p_L(\omega)+p_B(\omega)}=1

這樣兩種方法就能合理分攤同一個積分的貢獻,避免把同一份光照算兩次。

四、Power Heuristic:讓分工更明顯一點

第二種方法,Power Heuristic(冪次啟發式)。

其實 Power 顧名思義,就是次方,而且通常使用 β=2\beta=2:

wL(ω)=pL(ω)2pL(ω)2+pB(ω)2w_L(\omega)= \frac{p_L(\omega)^2}{p_L(\omega)^2+p_B(\omega)^2} wB(ω)=pB(ω)2pL(ω)2+pB(ω)2w_B(\omega)= \frac{p_B(\omega)^2}{p_L(\omega)^2+p_B(\omega)^2}

Power Heuristic 會更強烈地偏向 PDF 較大的採樣策略,這也是 PBR 裡常見的方法之一。

其實跟 Balance Heuristic 比較,你會發現只是把 PDF 平方了。

為什麼要平方?我們直接看例子。

假設對同一個方向 ω\omega,兩種採樣方法的 PDF 為:

pL=0.8,pB=0.2p_L=0.8,\qquad p_B=0.2

用 Balance Heuristic:

wL=0.80.8+0.2=0.8w_L=\frac{0.8}{0.8+0.2}=0.8 wB=0.2w_B=0.2

Light Sampling 分到 80%,BSDF Sampling 分到 20%。

用 Power Heuristic(β=2\beta=2):

wL=0.820.82+0.22≈0.941w_L=\frac{0.8^2}{0.8^2+0.2^2}\approx0.941 wB≈0.059w_B\approx0.059

Light Sampling 分到約 94.1%,BSDF Sampling 只剩 5.9%。

你其實可以發現:

  • Balance:比較溫和地分配權重。
  • Power:更明顯偏向 PDF 較大的方法。

那為什麼這樣的特性,讓 Power Heuristic 可能更好?

我們可以假設有一個很小的光源。Light Sampling 很容易找到它,但 BSDF Sampling 非常難命中。

偶爾 BSDF Sampling 幸運地擊中了光源,因為它的 PDF 很小:

Contribution=未經 PDF 補償的光照貢獻pB(ω)\text{Contribution}=\frac{\text{未經 PDF 補償的光照貢獻}}{p_B(\omega)}

就可能產生很大的估計值。這些偶爾出現的巨大貢獻,容易形成 Noise 或 Fireflies。

Power Heuristic 會給這個方向上 PDF 較小的策略,更小的 MIS Weight,進一步壓低這種不穩定貢獻的權重。

也就是說,當另一種策略更容易採到這個方向時,就讓它承擔更多估計工作。這就是剛剛那兩個助手的分工,回到公式裡的樣子。

Balance 與 Power 的 Light 權重曲線及數值比較:當 Light 和 BSDF 的 PDF 為零點八與零點二時,Light 權重分別為百分之八十與約百分之九十四點一。
同一方向上,Power 會更明顯地偏向 PDF 較大的策略;這裡假設兩種策略各取一個樣本。
開始實作時,再補這幾個設定

前面的公式使用兩種策略各一個樣本。樣本數不同時,要把每種策略的樣本數也算進權重:

wL(ω)=[nLpL(ω)]β[nLpL(ω)]β+[nBpB(ω)]βw_L(\omega)= \frac{[n_Lp_L(\omega)]^\beta} {[n_Lp_L(\omega)]^\beta+[n_Bp_B(\omega)]^\beta}

nLn_L 和 nBn_B 是兩邊的樣本數;β=1\beta=1 對應 Balance,β=2\beta=2 就是前面的 Power。兩邊各自算完加權貢獻後,還要分別除以自己的樣本數,再把結果相加。

比較的 PDF 要使用相同的測度,例如都換成方向的立體角密度。光源採樣的密度也要包含選到該光源的機率。整組策略合起來,要涵蓋有貢獻的區域;某種策略在一個方向採不到時,它在那裡的權重就是 0。

純理想鏡面、點光源等 delta 事件,沿用Dirac Delta 那篇的離散事件或特定方向處理方式。

Power 更偏向高 PDF 的策略,是一種常用的分工方式。實際效果仍會隨場景與採樣策略改變,可以用相同運算時間下的誤差來比較。

介紹到這裡,其實已經把 MIS 拆解得蠻完整了。

其中後半部在實作上的意義更大,但理解如何使用的話,我個人還是覺得,要把前半部理解透徹,才能更好地選擇工具。

就像單純用 BSDF Sampling,或用光源採樣來估計直接光,也各自有適合的場景。這些更多是實作上,task 任務需要我們去做的選擇。

了解它的概念,我們才好選擇。

參考資料

完

#學習筆記#MIS#Multiple Importance Sampling#BSDF#NEE#Path Tracing

客官怎麼看

看完有話想說,留在這裡。罵我也可以,罵別人更好。

可用 GitHub 登入,或以筆名題字;Email 選填。地區章依網路位置辨識,臺灣可顯示縣市;編號用來區分留言。