摘要: 质点的角动量 角动量是矢量,可用位矢和动量的矢积表示: \[\vec{L} = \vec{r} \times \vec{p} \tag{1} \]惯性张量 对于通过质心,绕任意轴以角速度\(\omega\)旋转的刚体,对于质心的角动量定义为: \[H_{cg} = \int(\vec{r} \tim 阅读全文
posted @ 2024-10-10 15:57 bluebean 阅读(135) 评论(0) 推荐(1) 编辑
摘要: 1 单帧降噪 在这个部分,你需要对有噪声的输入图像eC,使用联合双边滤波核 J 进行降 噪,最终得到降噪后的图像 C(J) ,我们的联合双边滤波核定义如下: \[J(i,j) = exp(− \frac{||i − j||^2}{2σ_p^2} − \frac{||C[i] −C[j]||^2} { 阅读全文
posted @ 2024-01-23 21:58 bluebean 阅读(25) 评论(0) 推荐(0) 编辑
摘要: 重要性采样的方法有多种,这里我们介绍其中一种,你的实现也可以使用其他方法。我们将通过 GGX 采样来完成 E(µ)的预计算工作。先从理论上讨论 GGX 采样算法,对于给定出射方向 o 的 GGX采样,目标是采样生成入射方向 i 以计算 \(\frac{f r (i,o,h)(i,n)}{pdf i 阅读全文
posted @ 2024-01-22 21:47 bluebean 阅读(102) 评论(0) 推荐(0) 编辑
摘要: question: brdf中的几何因子考虑了微表面的自遮挡,当表面粗糙度较大或者与法线夹角越大时,这个因子越小,导致颜色越暗。这部分能量相等于直接忽略掉了,实际上被遮挡的光线会被反射,然后经过若干次反射,从另一点以另一角度重新进入视线。因此需要将缺失的能量重新补回来。 Kulla-Conty近似 阅读全文
posted @ 2024-01-22 21:42 bluebean 阅读(46) 评论(0) 推荐(0) 编辑
摘要: 本轮作业中,我们需要在一个光源为方向光,材质为漫反射 (Diffuse) 的场景 中,完成屏幕空间下的全局光照效果(两次反射)。 为了在作业框架中实现上述效果,基于我们需要的信息不同我们会分三阶段 着色,每个阶段都有相对应的任务。第一次着色负责计算 Shadow Map 所需的深 度值并保存到贴图中 阅读全文
posted @ 2024-01-22 21:31 bluebean 阅读(28) 评论(0) 推荐(0) 编辑
摘要: PRT(Precomputed Radiance Transfer)技术是一种用于实时渲染全局光照的方法。它通过预计算光照传输来节省时间,并能够实时重现面积光源下3D模型的全局光照效果。 由于PRT方法的局限,它不能计算随机动态场景的全局光照,场景中物体也不可变动。 Basic Idea 光的传输与 阅读全文
posted @ 2024-01-22 21:27 bluebean 阅读(145) 评论(0) 推荐(0) 编辑
摘要: 球谐函数 Spherical Harmonics 输入:x,y,z 三维,表示一个空间方向,或者球面坐标系下表示方位角的两个角度。 输出:v 一维 组成:函数本身有一系列基函数以及其对应系数组成 定义: \[f(\omega) = \sum_{i}{c_i B_i(\omega)} \]可视化: 基 阅读全文
posted @ 2024-01-17 21:43 bluebean 阅读(92) 评论(0) 推荐(0) 编辑
摘要: PCF Percentage Closer Filtering:PCF是一种用于阴影反锯齿的方法,本身不是软阴影方法。 算法流程说明: Perform multiple (e.g. 7x7) depth comparisons for each fragment Then, averages res 阅读全文
posted @ 2024-01-17 21:37 bluebean 阅读(72) 评论(0) 推荐(1) 编辑
摘要: 1. 公式化描述 渲染方程:说明了某个表面点的所有方向的入射光对于某个方向的出射光产生的贡献,贡献大小与入射光强度,接受角度,平面表面性质有关。 描述阴影的渲染方程:在入射光中加入了可见项(Visibility)(是否被环境物体遮挡,从而形成阴影)。由于需要在积分中计算每束微小入射光的可见性大小,因 阅读全文
posted @ 2024-01-17 21:31 bluebean 阅读(20) 评论(0) 推荐(0) 编辑
摘要: 定义 $$ o(t)=C_1 o(t 1)+c_2 o(t 2)+...+c_f(t f) \tag{1} $$ 事件t的位置点和之前f个位置点具有线性组合的关系,f成为回顾系数。 定义 $$ s_0(t) = \{o(t),o(t 1),...,o(t f+1)\} \tag{2} $$ 因此 $ 阅读全文
posted @ 2019-07-14 16:41 bluebean 阅读(1287) 评论(0) 推荐(0) 编辑