Irakli Koiava

acceleration structures სურათზე ნაჩვენებია სფეროს მეოთხედი ნაწილი რომელზეც აგებულია რვაობითი ხე(OcTree).         გზების მიდევნების ამოცანის, ისევე როგორც სხივების მიდევნებაში ამოცანის ამოხსნის პროცესში მნიშვნელოვანი როლი უჭირავს სხივის გეომეტრიასთან თანაკვეთის ამოცანას, შესაბამისად მისი ოპტიმიზაცია მკვეთრად ამცირებს ამოცანის ამოხსნის საბოლოო დროს. სხივების ან სხივების პაკეტების მიდევნების პროცესში როგორც წესი სამკუთხედან თანაკვეთის ტესტების უმრავლესობა(80%-ზე მეტი) წარუმატებლად სრულდება. ასე რომ ჩვენი მიზანია დროულად დავადგინოთ ასეთი სხივები და დავაბრუნოთ უარყოფითი პასუხი. თუ სხივი/პაკეტი ყველა არსებულ ტესტს გაივლის მაშინ ხდება მისი შემოწმება მცირე რაოდენობის გეომეტრიულ პრიმიტივებთან. არსებული ამაჩქარებელი სტრუქტურები ახდენენ მოცემული გეომეტრიის საფუძველზე ხის აგებას, რომლის ფოთლებშიც ინახებიან გეომეტრიული პრიმიტივები. ხის აგების მეთოდებშიც გამოიყოფა 2 კატეგორია: სივრცის დანაწევრების მეთოდები  - ახდენენ სივრცის დანაწევრებას და მათში არსებული გეომეტრიის ნაწილების ჩალაგებას ხი

Surface Reflectance and Fresnel effect სურათზე კარგად ჩანს ფრენელის ეფექტი. სურათი აღებულია solidangle-ის ოფიციალური გვერდიდან.         ზედაპირის არეკვლადობა არის შეფარდება სპეკულარულად არეკლილი განათებისის სიმძლავრის დაცემულთან. არეკვლადობა არის ზედაპირის მატერიალის მახასიათებელი, რომელიც დამოკიდებულია სინათლის ტალღის სიგრძეზე. პროცესს როდესაც სხივი გადადის ერთი ოპტიკური სიმკვრივის მქონე გარემოდან მეორეში აღწერს ფრენელის განტოლება (ფრანგი ფიზიკოსი  Augustin-Jean Fresnel ), რომელიც გვეუბნება, რომ ზედაპირის არეკვლადობა იზრდება როდესაც დაცემული სხივის კუთხე ზედაპირის მართობთან(ნორმალთან) უახლოვდება მართს. ფრენელის განტოლების ამოსახსნელად კომპიუტერულ გრაფიკაში ხშირად იყენებენ  Schlick-ის მიახლოებას . ფრენელის ეფექტი განსაკუთხებით შესამჩნევია სპეკულარულ ზედაპირებზე.         

Photon Mapping         ფოტონების გაბნევის მეთოდი არის გლობალური განათების გამოთვლის მეთოდი რომელიც ახდენს ფოტონების გაბნევის სიმულაციას განათების წყაროებიდან სცენაში. მეთოდი გამოსახულების გამოთვლას ახდენს ორი გავლით. პირველ ჯერზე ხდება ფოტონების გაბნევის სიმულაცია სცენაში, რის შემდეგაც გაბნეულ ფოტონებს ვინახავთ აქსელერაციის სტრუქტურაში მოსახერხებელი ფორმით(რომლებიც ოპტიმიზირებულები არიან  k-უახლოესი მეზობელის ამოცანის  ამოხსნაზე), მეორე ჯერზე ხდება სხივების მიდევნება  გაბნეულ ფოტონებზე და ვიღებთ საბოლოო გამოსახულებას. განსხვავებით გზების მიდევნების მეთოდისგან იგი არის ხედვაზე დამოუკიდებელი(View-Independent), რადგან განათების წყაროდან ფოტონების გაბნევა ხდება კამერაზე დამოუკიდებლად, რაც იწვევს რესურსების არამიზნობრივ ხარჯვას იმ პოტონებზე რომლებიც რეალურად გამოუყენებელი რჩება. მარტივი ფოტონების გაბნევის მეთოდი გულისხმობს წინასწარ განსაზღვრული რაოდენობის ფოტონების გაბნევას, რის გამოც ის არის მიკერძოებული მეთოდი . ეს იმას ნიშნავს, რომ გამოთვლის დროის გაზრდა ვერ მიგვიყვანს ბოლომდე კორ

Importance Sampling         სტატისტიკაში მნიშვნელოვნობით შერჩევა არის კონკრეტული განაწილების მახასიათებლების შეფასების მეთოდი, მაშინ როდესაც გვაქვს ელემენტები მხოლოდ სხვადასხვა განაწილებებიდან და არა იქიდან რომელიც გვაინტერესებს. კომპიუტერულ გრაფიკაში, როდესაც ჩვენი ინტერესია "რენდერის" განტოლებაში ინტეგრალის ამოხსნა, რაც თავის მხრივ გულისხმობს ყველა იმ განათების დათვლას რომელიც ხვდება ზედაპირის კონკრეტულ წერტილში გარემოდან(ნახევარსფეროდან) ვახდენთ მონტე კარლოს ინტეგრირებას ნახევარსფეროში( BRDF -ის პროპორციულად) და რაც უფრო ვზრდით შერჩეული ელემენტების რაოდენობას მით უფრო ვუახოვდებით შედეგს. თუმცა ჩვენს შემთხვევაში როდესაც რეალურად ჯამს ვითვლით და როდესაც სხვადასხვა მიმართულებიდან სხვადასხვა ინტენსიობით მოდის სინათლე, ჯამის დათვლის დროს განაწილების ის ელემნტები რომლებიც პოულობენ დიდი ინტენსიობის მქონე განათებას მნიშვნელოვნად ცვლიან ჯამს, ხოლო დაბალი ინტენსიობის ნაკლებადმნიშვნელოვნად. შერჩევა მნიშვნელოვნობით გულისხმობს რომ ნაცვლად თანაბარი შერჩევისა მოვახდინოთ შერჩევა ის