Skip to main content

Posts

ბლინის სპეკულარული არეკვლის მოდელი

Blinn specular reflection model         ბლინის სპეკულარული არეკვლის მოდელი არის ემპირიული მოდელი, რომელიც ითვლის განათების სპეკულარულ წილს იზოტროპული ზედაპირის ლოკალურ წერტილში. ის წარმოადგენს ფონგის მოდელის მოდიფიცირებულ ვარიანტს, რომელიც შეიმუშავა ჯიმ ბლინმა , სახელწოდებაც სწორედ მისი გვარიდან მოდის. ამის გამო ამ მოდელს ხშირად ბლინ-ჰონგის მოდელსაც ეძახიან.         ფონგის მოდელისგან განსხვავებით ბლინის მოდელი ითვლის განათების( L ) მიმართულებასა და დამკვირვებლის( V ) მიმართულების საშუალო მიმართულებას( H ) და  და ამბობს, რომ სპეკულარული განათება პირდაპირპროპორციულად არის დამოკიდებული N  და H  ვექტორებს შორის მდებარე Θ კუთხის კოსინუსზე. ზედაპირის სიგლუვის s კოეფიციენტი აქაც ხარისხის მაჩვენებლად ჯდება, ისევე როგორც ფონგის მოდელში.         ქვემოთ მოვემულია ფუნქცია რომელიც ითვლის სპეკულარულ განათებას ბლინის მეთოდით. ფუნქციას გადაეცემა N , V , L ვექტორები და s სპეკულარული ექსპონენტი და ის აბრუნებს სპეკულა...

ფონგის სპეკულარული არეკვლის მოდელი

Phong specular reflection model         ფონგის სპეკულარული არეკვლის მოდელი არის ემპირიული მოდელი, რომელიც ითვლის განათების სპეკულარულ წილს წერტილში. ემპირიული მოდელები მიიღება არა ფიზიკური ფორმულირების საფუძველზე, არამედ ცდების და დაკვირვებების შედეგად, ამიტომ განათების ემპირიული მოდელები ფიზიკური სიზუსტით არ გამოირჩევიან.         ლოკალური განათების გამოთვლის ამოცანა მდგომარეობს შემდეგში: მოცემული გვაქვს ზედაპირის მიმართულება( N ), განათების მიმართულება( L ) და დამკვირვებლის მიმართულება( V ), ასევე მოცემულია ზედაპირის სიგლუვის კოეფიციენტი s. ჩვენ უნდა დავთვალოთ განათების სპეკულარული სწვილი, მოცემული ლოკალური წერტილის განათებაში.         ფონგის განათების მოდელი ამისთვის ჯერ ითვლის იდეალური არეკვლის მიმართულებას( R ) და ამბობს, რომ სპეკულარული განათება პირდაპირპროპორციულად არის დამოკიდებული R და V ვექტორებს შორის მდებარე Θ კუთხის კოსინუსზე. ეს დამოკიდებულება უკრო მკვეთრია რაც უფრო პრიალა არის ზედაპირი, ამიტომ სი...

კუმულაციური განაწილების ფუნქცია

Cumulative Distribution Function         კუმულაციური განაწილების ფუნქცია F(x) აღწერს ალბათობას იმისა, რომ X შემთხვევითი სიდიდის მნიშვნელობა ნაკლებია ან ტოლი x-ზე.         კუმულაციური განაწილების ფუნქცია, როგორც სახელიდანაც ჩანს, არის დაგროვებითი. შესაბამისად ალბათობა იმისა, რომ შემთხვევითი X სიდიდე ნაკლები ან ტოლი იქნება რაიმე x მნიშვნელობაზე ტოლია ყველა იმ ალბათობების ჯამისა, რომ X ტოლი იქნება t-სი, სადაც t≤x. ალბათობა იმისა, რომ X შემთხვევითი სიდიდე ტოლი იქნება რაიმე t-სი ამის შესახებ ინფორმაციას გვაწვდის  ალბათობის სიმკვრივის ფუნქცია . როდესაც უწყვეტ ფუნქციაზე ვლაპარაკობთ ჯამის მაგივრად ვწერთ ინტეგრალს. ეს ფაქტი მათემატიკურად ასე ჩაიწერება:         სწორედ ამ თვისების გამო, რომ ფუნქცია ახდენს ალბათობების დაგროვებას ის არის დადებითი და არაკლებადი მთელს განნსაზღვრის არეზე. ალბათობის სიმკვრივის ფუნქციის შემთხვევაში შემთხვევითი სიდიდის მოხვედრის ალბათობა რაიმე (a,b] შუალედში თუ უდრის ფუნქციის წირსა და x ...

ალბათობის სიმკვრივის ფუნქცია

Probability Density Function         ალბათობის სიმკვრივის ფუნქცია(pdf) ასახავს ალბათობას იმისა, რომ უწყვეტი შემთხვევითი სიდიდე იღებს რაიმე მნიშვნელობას. შესაბამისად ალბათობა იმისა, რომ შემთხვევითი სიდიდე X ჩავარდება რაიმე [a,b] ინტერვალში მოიცემა ამ ინტერვალზე ფუნქციის ინტეგრალით. მათემატიკურად ასე ჩაიწერება:         ვიზუალურად რომ წარმოვიდგინოთ ეს არის შესაბამის ინტერვალში ფუნქციის წირსა და x ღერძს შორის მოქცეული ფიგურის ფართობი(იხილეთ პირველი სურათი). ფუნქციის ინტეგრალი მთელ ღერძზე არის 1-ის ტოლი. რადგან ფუნქცია ასახავს ალბათობას, შესაბამისად ის არის მთლიანად არაუარყოფითი.         ქართულ ტერმინოლოგიაში ალბათობის სიმკვრივის ფუნქციის ნაცვლად ზოგჯერ იყენებენ განაწილების სიმკვრივეს .

შერჩევა მნიშვნელოვნობის გადარჩევით

Resamped  Importance Sampling სურათზე ნაჩვენებია დავითის მოდელი გარემოს განათებაში. 1 - შენჩევა BRDF-ით, 2 - მრავალი მნიშვნელოვნობით შერჩევა (MIS). 3 - შერჩევა მნიშვნელოვნობის გადარჩევით (RIS).         მეთოდი გვეხმარება პირდაპირი განათების დათვლის პროცესში მოვახდინოთ მნიშვნელოვნობით შერჩევა გადარჩევის გზით.         მეთოდის არსი მდგომარეობს შემდეგში: მაგალითად გვაქვს გეომეტრიული მოდელი რაიმე მატერიალით მოთავსებული გარემოს განათებაში(იხილეთ ზემოთ მოცემული სურათი). ჩვენ შეგვიძლია გარემოს განათებაზე მოვახდინოთ n შერჩევა, შემდეგ ამ n შერჩევისთვის დავითვალოთ განათება ხილვადობის ტესტის გარეშე, რაც თავისმხრივ ყველაზე რთული და მძიმე ნაწილია პირდაპირი განათების დათვლის მომენტში. ამის შემდეგ ამ n დათვლილი განათებიდან მოვახდინოთ m განათების ამორჩევა განათების ინტენსიობების პროპორციული ალბათობებით და ბოლო ეტაპზე მოვახდინოთ m შერჩეული განათებისათვის ხილვადობის შემოწმება. ამ გზით ჩვენ მეტი ყურადღება გადაგვაქვს მაღალი ინტენსივობის მქონე...

გზების ორმხრივი მიდევნება

Bidirectional Path Tracing სურათზე ნაჩვენებია ორმხრივი(მარცხენა) და ცალმხრივი(მარჯვენა) გზების მიდევნების მეთოდის მუშაობის შედეგი         იმისათვის, რომ სხვადასხვა ხასიათის სინათლის გადამტანი გზები ჩავწეროთ უფრო აღქმადი სახით იყენებენ რეგულარულ გამოსახულებებს. მაგალითად დიფუზიურ, სპეკულარულ, მანათობელ ზედაპირებს თუ აღვნიშნავთ შესაბამისად D , S , L სიმბოლოებით, ხოლო E -თი კამერას მაშინ შევძლებთ ნებისმიერი გზის აღწერას რეგულარული გამოსახულების სახით. მაგალითდ გზა განათებისა რომელიც იწყება მანათობელი ზედაპირიდან, ეცემა ერთ ან რამოდენიმე დიფუზიურ ზედაპირს, შემდეგ სპეკულარულს და შემდეგ ხვდება კამერაში ჩაიწერება ასე: LDD*SE .         ცალმხრივი გზების მიდევნების მეთოდი გზის მიდევნებას იწყებს კამერიდან და ამთავრებს მანათობელ ზედაპირზე, ასე რომ ამ მეთოდით მიღებული გზები დაიწყება E-თი და დასრულდება L-ით. უბრალო, ცალმხრივი გზების მიდევნების მთავარ პრობლემას წარმოადგენს პატარა ზომის განათებაზე შემთხვევითად მოხვედრის მცირე ალბათობა, თუმცა ამ პრობლემ...

სფერული განათების შერჩევა

Sampling Spherical Light         გზების მიდევნების მეთოდში განათების შერჩევა გულისხმობს განათებისკენ მიმართული ვექტორების გენერირებას. განათების შერჩევა განსაკუთრებით ეფექტურია როდესაც ზედაპირის მოცემულ წერტილში განათების მიერ შედგენილი კუთხე არის მცირე და BRDF -ის შერჩევით განათების მოხვედრის ალბათობა მცირეა.         განვიხილოთ სფერული განათების შერჩევის პროცესი. სფერული განათების შერჩევისას არსებული შემთხვევები შეგვიძლია გავყოთ 2 ნაწილად: როდესაც წერტილი ექცევა სფეროს შიგნით და როდესაც არის გარეთ. პირველ შემთხვევაში ნებისმიერი შერჩეული ვექტორი აუცილებლად განათებისკენაა მიმართული, ასე რომ საკმარისია მოვახდინოთ მიმართულების შემთხვევითი თანაბარი შერჩევა. ახლა განვიხილოთ შემთხვევა, როცა წერტილი განათების გარეთაა(იხილეთ ზემოთ მოცემული სურათი). სიმარტივისთვის შემთხვევა განვიხილოთ 2 განზომილებაში. წერტილი რომლისთვისაც ვახდენთ მიმართულებების შერჩევას აღვნიშნოთ P-თი, სფეროს ცენტრი O-თი ხოლო რადიუსი r-ით. პირველ რიგში უნდა დავითვალოთ სფერო...