该项目是我在中国科学技术大学 2024 年春季课程《面向科学问题求解的编程实践》中的大作业。
这是一个用 Python 编写的简易路径追踪框架，并将要在其上实现各种重要性采样算法，比较它们的性能。
框架的编写思路来源于 Ray Tracing in One Weekend Series。
部分代码的实现有参考中国科学技术大学 2024 年春季课程《计算机图形学》的框架（USTC-CG/USTC_CG_24: Homework repo for the course "Computer Graphics" in the 2024 spring @USTC (github.com)）。
本项目得到了中国科学技术大学 Vlab 实验平台的帮助与支持。本项目超过一半的代码在 Vlab 提供的在线虚拟机中编写，并在虚拟机中进行了大量的光追运算，得到了高品质的参考图像。
本项目绝大多数代码都是在 Ubuntu 22.04 系统下编写并测试，在 Windows 下也能保证稳定的运行。
因为我目前经验不足，许多代码存在编写不规范的问题。作为独立编写的大作业项目，本项目的注释也并不充足。如果阅读代码遇到困难，可以向作者询问。
依赖：
-
matplotlib：输出各种数学图像
-
numpy：对接图像的输入输出
-
pillow 7.2：读取 Cubemap 格式天空盒文件；便于输出 jpeg 格式的文件，防止输出 GIF 时大分辨率、大 spp 的格式造成的存储容量过大问题。
-
PyPy 3.8：加速 Python 脚本的运行
-
FFmpeg：用于将 ppm 格式的图像转换为其他格式，包括采样数增加过程的 gif 图。
在 Linux 系统下，可以在项目根目录下通过 run.sh 自定义输出图像的行为。例如：
./run.sh -o ref -size 800*600 -spp 2048 -scene cornell_cubemap你还可以用形如以下的命令进行自动测试：
./run.sh -o autotest -spp 256 -scene cornell_nospecular -test -ref ./data/cornell_nospecular_ref.txt在 Windows 系统下同理：
./run.bat -o ref -size 800*600 -spp 2048 -scene cornell_cubemap| 选项 | 作用 |
|---|---|
-o <file> |
输出图像到 output/<file> 目录下 |
-size <w>*<h> |
设置输出图像的宽高 |
-spp <spp> |
设置输出图像中每个像素点的采样数（在 Time Limit 模式下无效） |
-j <number> |
设置程序运行的线程数 |
-backup <number> |
设置每多少张图像做一次备份 |
-timelimit <time> |
打开 Time Limit 模式并设置光追程序的运行时长 |
-scene <scenename> |
设置场景（目前已有场景在下表中） |
-ref <file> |
将 file（txt 文件） 作为测试参考的理想收敛情形 |
-mis |
用 MIS 算法进行渲染（默认值） |
-lightsis |
用光源重要性采样进行渲染 |
-brdfis |
用 BRDF 采样进行渲染 |
-cosineis |
用半球余弦采样进行渲染 |
-gif |
输出 gif 图像 |
-compress-output |
使程序输出的内容更窄 |
| 场景 | 描述 |
|---|---|
cornell |
渐变天空盒材质的 Cornell Box |
cornell_cubemap |
Cube Map 天空盒材质的 Cornell Box |
cornell_nospecular |
不含镜面反射材质的 Cornell Box |
mis |
测试 MIS 所用的经典场景 |
material |
仅有 Cube Map 天空盒和一个小球，用于测试材质 |
oneweekend |
Ray Tracing in one weekend 的场景（目前玻璃材质渲染有误） |
- 添加三角片的 Primitive Scene Object
- 搭建 Cornell Box 模型
- 搭建 MIS 模型
- 添加球形光源与矩形光源
- 对光源直接采样，完善路径追踪积分
- 将材质 BRDF 的采样与计算分离
- 完善天空盒，引入 CubeMap
- 用 BVH 优化射线求交性能
- 实现 MIS：对光源采样 + 对 BRDF 采样
- 实现环境光重要性采样（别名法）
- 研究并实现 RIS
- 尝试用 CPU 模拟 Nvidia 的 ReSTIR GI 算法
- 探索更多的重要性采样算法
- 输出采样数增加过程的 GIF 图
- 设计测试器，将每种算法每轮采样的用时、能量和、方差输出至文件中
- 用 matplotlib 绘制曲线，并比较分析
- 完善视频输出系统，生成多种算法在同一屏幕内比较的视频
- 引入多线程
- 完善模型读取功能
- 完善 PBR 材质
- 搭建漂亮的场景
- 设计动画渲染，并研究 ReSTIR GI 在动画渲染下的优化
以下是 6 月 23 日的版本生成的测试效果图像：
Cosine IS：
BRDF IS：
Lights IS：
MIS：
