Irakli Koiava

Cornell Box         კორნელის ყუთი წარმოადგენს ერთერთ ყველაზე ცნობილ გეომეტრიულ მოდელს რომელიც შეიქმნა კორნელის უნივერსიტეტში 1984 წელს, სტატიაზე მუშაობის დროს და მას მერე ბევრ სხვადასხვა პროგრამაში თუ სტატიაში გვხვდება სატესტოდ. მისი გამოყენებით ხშირად ადარებენ სხვადასხვა რენდერის ძრავებში მიღებულ შედეგებს. ერთერთი პირველადი ვარიანტი არის კორნელის ყუთი შიგნით მოთავსებული 2 ყუთით. გვხვდება ასევე შიგნით მოთავსებული სხვადასხვა ობიექტები. ასევე ხშირად გამოიყენება კორნელის ყუთი შიგნით მოთავსებული სხვადასხვა მატერიალის სფეროებით . სცენაში არსებული კედლები არის თეთრი, წითელი და ლურჯი(ან მწვანე). ასეთ სცენაში სხვავასდვა განათების პირობებში კარგად ჩანს განათების არეკვლით კედნებზე გადასული ფერები. კორნელის ყუთის მოდელი OBJ ფორმატში, თანდართული მატერიალებით შეგიძლიათ გადმოწეროთ აქედან .

Transformation Matrix სურათზე ნაჩვენებია ლოკალური კოორდინატთა სისტემა ვიზუალურად, რომელიც მოცემულია ჰომოგენური ტრანსფორმაციის მატრიცის სახით.         ტრანსფორმაციის მატრიცა გვაძლევს საშუალებას, რომ მოვახდინოთ სხვადასხვა ტიპის გეომეტრიული ტრანსფორმაციები ერთი ოპერაციით(მატრიცაზე გადამრავლებით). ზემოთ მოცემულ სურათზე ნაჩვენებია 4x4 მატრიცა, რომლის პირველის 3 სვეტი შესაბამისად აღნიშნავს იმ ტრანსფორმაციის(ლოკალური საკოორდინატო სისტემის) ღერძების მიმართულებებს რომელსაც ეს მატრიცა ინახავს, ხოლო მე4 სვეტი აღნიშნავს პოზიციას. ამ პოსტში განვიხილავთ ტრანსფორმაციის ჰომოგენურ მატრიცას. ჰომოგენურ მატრიცაში ვექტორების ჩაწერა ხდება 4 კოეფიციენტით(x, y, z, w) სამის ნაცვლად, სადაც მე4 კოეფიციენტი არის წონა ასე რომ ამ სახით ჩაწერილი სხვადასხვა ვექტორები მაგალითად: [2, 4, -1, 1] და [6, 12, -3, 3] არის ერთი და იგივე.         ვექტორის ამ სახით ჩაწერა საშუალებას გვაძლევს ერთმანეთისგან განვავსხავოთ პოზიციის და მიმართულების მატარებელი ვექტორები და ამის საჭიროება რეალურად არსებობს. მოვიყვანოთ მაგალითი

Multiple Importance Sampling სურათზე ნაჩვენებია 3 ტიპის შერჩევა: BRDF-ის შერჩევა(მარცხენა), განათების შერჩევა(შუა) და მრავალი მნიშვნელოვნობით შერჩევა(მარჯვენა).          1997 წელს ერიკ ვიჩმა მის სადოქტორო ნაშრომში წარმოადგინა რამოდენიმე ძალიან მნიშვნელოვანი მეთოდი რომელთა გამოყენებითაც ხდება ხმაურის საგრძნობი შემცირება გზების მიდევნების მეთოდში . ერთერთი ამ მეთოდთაგანი იყო მრავალი მნიშვნელოვნობით შერჩევა . ცნობილია რომ BRDF-ით შერჩევის დროს პირდაპირი განათების წვლილის გამოთვლა ძალიან რთულდება როდესაც განათების წყარო ძალიან პატარაა და ამ დროს ჯობია რომ მოვახდინოთ განათების ცალკე შერჩევა. ასეთი შერჩევა დაეხმარება მეთოდს მალე ამოწუროს ხმაური რომელსაც იწვევს განათებაზე შემთხვევით მოხვედრის ძალიან მცირე ალბათობა. თუმცა იმ შემთხვევაში როდესაც ვახდენთ განათების ცალკე შერჩევას ასევე აქვს პრობლემა მაშინ როდესაც როდესაც კონკრეტულ ზედაპირზე ამ განათების სპეკულარული წილი იზრდება. რეალურად ორივე ეს მეთოდი არის მიუკერძოებელი თუმცა სხვადასხვა შემთხვევებში ისინი დიდ ხანს ანდომებენ ხმაურის ა

Gamma Correction სურათზე ნაჩვენებია ლენას ფოტო. მარცხენა სურათი არის ორიგინალი, მარჯვენაზე არის გამა გასწორებული ( Γ=2.2 ).         გამა არის ერთერთი მახასიათებელი ციფრული გამოსახულების რომელიც ასახავს პიქსელის რიცხვით მნიშვნელობასა და მის განათებულობას შორის დამოკიდებულებას. მარცხნიდან მარჯვნივ არის მოცემული  ფერები რომლის რიცხვიღი მნიშვნელობები იზრდება წრფივად         ზემოთ მოცემულ სურათზე ნაჩვენებია შავიდან თეთრში გარდამავალ ფერები რომლის რიცხვითი მნიშვნელობებიც იზრდება წრფივად. ყველაზე მარცხნივ მდებარეობს  შავი ფერი რომლის რიცხვითი მნიშვნელობაა 0, ხოლო ყველაზე მარჯვნივ მდებარეობს თეთრი რომლის რიცხვითი მნიშვნელობაა 255. ჩვენი მოლოდინი ამ დროს არის ასეთი, რომ თუ ავიღებთ ფერს რომელიც არის საშუალო ინტენსივობის ამ ფერს მონიტორზე დავინახავთ სურათის შუაში. თუმცა აქ ჩვენი მოლოდინი არ მართლდება და ამის მიზეზი არის სწორედ ის რომ დღევანდელ მონიტორებში ფერების წარმოდგენა მისი რიცხვით მნიშვნელობაზე წრფივად არაა დამოკიდებული, არამედ არსებობს რაღაც გამა დამოკიდებულება (ლათინური სიმბოლ

Metropolis Algorithm სურათი უჩვენებს მეტროპოლისის ალგორითმის მიერ ლოკალური კვლევის პროცესში გავლილი დზის ტრაექტორიას         მეტროპოლისის მეთოდი გვეხმარება მოვახდინოთ მნიშვნელოვნობით შერჩევა უცნობ განაწილებაში და მივიღოთ სასურველი განაწილების პროპორციული განაწილება ისე, რომ ამავდროულად დავრჩეთ მიუკერძოებელი. მეთოდის სახელი უკავშირდება ბერძნული წარმოშობის ამერიკელი მეცნიერის ნიკოლას მეტროპოლისის  გვარს, რომელიც 50-იან წლებში მეთაურობდა მკვლევარების ჯგუფს, რომლებმაც ამ პერიოდში შეიმუშავეს მონტე კარლოს ინტეგრირების გამოთვლითი მეთოდი. მეტროპოლისი მეორე მსოფლიო ომის შემდგომ ასევე ხელმძღვანელობდა ჯგუფს რომელიც ახდენდა MANIAC I -ისთეორიულ დამუშავებას.         მეტროპოლისის მეთოდი წარმოადგენს შერჩევის მეთოდს რომელიც დაფუძნებულია მარკოვის ჯაჭვებზე. მარკოვის ჯაჭვი არის შერჩევების მიმდევრობა რომელშიც თითოეული შერჩევა დამოკიდებულია მის წინა შერჩევაზე(და არა მთელ მიმდევრობაზე). მეტროპოლისის მეთოდის დახმარებით ჩვენ ვქმნით შერჩევების ასეთ კორელაციურ მიმდევრობას და ამავდროულად შერჩევას ვახდეთ