पाथ ट्रेसिंग

पाथ ट्रेसिंग: लाइट ट्रांसपोर्ट समीकरण से वास्तविक दृश्य उत्पन्न करने तक एक योगविधी एल्गोरिदम

प्रवेश और अवधारणात्मक ढांचा

आधुनिक कंप्यूटर ग्राफ़िक में वास्तविक दृश्य उत्पन्न करने की सैद्धांतिक नींव में से एक, का पथ समकलन (path integral) रूप है। इस रूपांकन के कारण प्रकाश का किसी दृश्य में वस्तुओं के बीच कैसे बिखरना, अवशोषित होना और परावर्तित होना होता है, उसका गणितीय रूप में पूर्णतः वर्णन किया जा सकता है। पथ ट्रेसिंग () इस समीकरण के हल के लिए विकसित की गई पहली सामान्य उद्देश्य वाली है। यह एल्गोरिथम ग्राफ़िक इतिहास में से एक सबसे महत्वपूर्ण मोड़ माना जाता है, और इसे 1986 में जेम्स काजिया द्वारा प्रस्तुत किया गया, जिसी माध्यम से प्रकाश परिवहन समीकरण का पहली बार वर्णन किया गया।

पाथ ट्रेसिंग (Path Tracing) की मूल दार्शनिक अवधारणा बहुत साधारण है, लेकिन गहरी है: किसी भी इमेज़ के हर पिक्सल के लिए, कैमेरा से निकलने वाले रश्नियों का उस सीन में मौजूद स्रोतों तक पहुँचने के सारे संभावित मार्गों का सिमुलेशन किया जाता है। इन मार्गों को की एक श्रृंखला के रूप मodel किया जाता है, जो कैमेरा से शुरू होकर सीन में मौजूद लाइट स्रोतों पर समाप्त होती है। अल्गोरिदम की गुणवत्ता तय करने वाले सबसे महत्वपूर्ण कारकों में से एक, पिक्सल प्रति आवश्यक उदाहरणों (samples) की संख्या है; उच्च गुणवत्ता वाले परिणामों के लिए आम तौर पर की आवश्यकता हो सकती है (शकल 13.4 में विभिन्न संख्या में उदाहरणों से प्राप्त इमेज़ों की तुलना की गई है)।

इंटीग्रल फॉर्मुले का महत्व

याट्रेसिंग का मैथेमेटिकल रूप से ज्यादा आसान होने के बावजूद, अल्गोरिदम को समझने के लिए के माध्यम से दृष्टिकोण अपनाना बहुत ज्यादा कार्यकुशल है। यह दृष्टिकोण दो महत्वपूर्ण फायदे देता है: पहला, यह पढ़ने वाले को पाथ इंटेग्रल समीकरण के बारे में गहरी अवधारणा प्रदान करता है; दूसरा, यह अल्गोरिदम के अल्गोरिदमों में सामान्यीकरण को समझने में आसानी प्रदान करता है। इसी कारण आधुनिक ग्राफ़िक शिक्षण में पाट्रेसिंग को आम तौर पर सीधे इंटेग्रल रूप के माध्यम से समझाया जाता है।

गणितीय और यंत्रिक आधार

कैमेरा इंसान के लिए विश्लेषण करने की आवश्यकता

यदि एक LTE को integral फ़र्मा में दिया गया है, तो हमारा उद्देश्य कैमेरे से निकलने वाले एक विशेष रेखांश (beam) के लिए उस बिंदु पर प्रथम बार स्कीन को छूने वाले के मान का अनुमान लगाना है। इस अनुमान को गणना करने के लिए दो मुख्य समस्याओं को हल करना होता है:

1. अनंत लंबाई वाले पदों वाले एक योग में मूल्यांकन करने की अनिवार्यता
2. निर्चित मार्ग टर्मिनल के योगदान की दक्षता से नमूनाकरण और गणना

रूसी रूलट्यूल के साथ नमूनाकरण का समाप्ति

पाथ ट्रेसिंग में, भौतिक रूप से मान्य स्थितियों में का फायदा उठाएं, जो कम शीर्ष वाले मार्गों की तुलना में औसत रूप से कम प्रकाश विकीर्ण करते हैं। यह ईनर्जी संरक्षण के नियम का BSDF में एक स्वाभाविक परिणाम है; ध्यान देने वाली बात यह है कि यह किसी भी मार्ग जोड़े के लिए नहीं, बल्कि केवल समूहीय (aggregate) स्तर पर मान्य है।

इसलिए पहले कुछ पद हमेशा हिसाब के लिए गणना के लिए किए जाते हैं, और फिर का उपयोग करके कुछ पदों के बाद नमूनेकरण (sampling) रोक दिया जाता है; इससे बेतर्की (bias) बिना समाप्ति संभव हो पाती है। रूसी रूलेट एक योग में कुछ पदों को संभाव्यता (probability) के आधार पर छोड़कर हिसाब रोकने तकनीक है, और जो पद छोड़े जाते हैं न कि जो हिसाब किए जाते हैं, उन्हें उचित रूप से पुनः वजन (reweighting) देने पर परिणाम बेतर्की (unbiased) रहता है।

उदाहरण के लिए, जब पहले कुछ टर्मिनेस् को हमेशा हिसाब लगाया जाता है और एक निश्चित संभावना के साथ बाद में हिसाब में शामिल नहीं किया जाता, तो कुछ भी न खोने वाला अनुमान प्राप्त होता है। रूसी रूलेट को इस रूप में उपयोग किया जाने पर अनंत योग का मूल्यांकन करने का कार्य समाप्त नहीं होता; केवल उसे थोड़ा और आगे बढ़ाता है।

सीमित सीमाओं के माध्यम से अनंत की ओर अग्रसर

जब इस विचार को एक कदम आगे बढ़ाया जाता है, तो हम प्रत्येक पद में एक निश्चित संभावना के साथ मूल्यांकन को यद्चाकित रूप से समाप्त करते हुए आगे बढ़ते हैं, तो अनंत योग अंततः पूरी तरह से अमूल्यांकित रह जाता है। हालांकि, किसी भी मूल्य के लिए उस पद को हाल के ज्ञात होने की एक शून्य-बाहरी संभावना होने और उपयुक्त भारित करने के कारण ।

ग्रिड नमुनाकरण: क्षेत्र-आधारित दृष्टिकोण

अनंत श्रृंखला से केवल सीमित संख्या में पदों का मूल्यांकन करने के लिए एक ऐसी विधी की भी जरूरत है जो किसी एक पद के योगदान को गणना कर सके। एक मार्ग नोड्स के माध्यम से निर्धारित किया जाना चाहिए; जहाँ होना चाहिए, और प्रथम नोड कैमरे के फिल्म या लेंस पर एक बिंदु होना चाहिए (आकृति 13.5)। जब हम पद सूत्र के रूप में दृश्य में वस्तुओं के पृष्ठ क्षेत्र के आधार पर बहु-समाकलन के रूप की जाँच करते हैं, तो सबसे स्वाभाविक दृष्टिकोन नोड्स को है; इस प्रकार पृष्ठ पर स्थित सभी बिंदु समान संभावना के साथ नमुने के रूप में लिए जाते हैं।

इस विधी के माध्यम से मंच पर मौजूद वस्तुओं पर एक विवक्त (discrete) संभाव्यता की परिभाषा की जा सकती है: यदि प्रत्येक $f_i$ वस्तु $A_i$ पृष्ठ क्षेत्र की विस्तृत है, तो उस वस्तु के पृष्ठ पर या दुर्ग नोड के उदाहरण की संभाव्यता $frac{A_i}{sum_j A_j}$ होनी चाहिए। फिर उस वस्तु पर किसी विशेष बिंदु को समान रूप से उदाहरण देने के लिए की गणना की जाती है और इसके अनुसार कुल उदाहरण आवृत्ति की निर्धारण की जाती है।

सभी पदों का समान भार होना, दृश्यमें मौजूद सभी सतह बिंदुों के बीच समान संभावना वाला चयन करने की हमारी इच्छा के साथ सुंगत होना—यह विश्वास जगाने वाला है। नमुनाकृत नोड सेट के साथ मिलकर, हम दृश्यमें मौजूद किसी प्रकाश स्रोत पर अंतिम नोड का नमुना ले सकते हैं और उसके PDF को इसी अनुसार निर्धारित कर सकते हैं।

कन्धा बिंदुओं पर बुद्धिमान नमुनाकरण (Importance Sampling)

मानक वितरण तकनीक का उपयोग करके नोड बिंदुओं का उदाहरण लेने के लिए हम उसी तकनीक का उपयोग रोशनी पर मौजूद बिंदुओं का उदाहरण लेने के लिए कर सकते हैं; हालांकि यह अक्सर उत्पन्न करता है: क्योंकि नोड एक विस्पारक सतह पर नहीं होता है, इसलिए सभी मार्ग शून्य मान के होते हैं, और परिणामस्वरूप जकड़न बिल्कुल भी धीमी हो जाती है। और बेहतर दृष्टिकोण केवल रोशनी फैलाने वाले वस्तुओं के क्षेत्रों का उदाहरण लेना और सम्भावनाओं को उसके अनुसार अपडेट करना है। जब एक पूर्ण मार्ग प्राप्त हो जाता है, तो प्रतिबिम्ब अनुमान के लिए आवश्यक सभी जानकारी प्राप्त हो जाती है; बाकी बचा एकमात्र कार्य प्रतेक प्रतिबिम्ब को क्रमबद्ध रूप से मूल्यांकन करना है।

इस सामान्य दृष्टिकोण के साथ, आप नमुना करने के संभाव्यताओं को निर्धारित करने में और अधिक रचनात्मक बन सकते हैं: उदाहरण के लिए, यदि आपको पता है कि मंच की प्रकाशमानता का बहुतांश कुछ वस्तुओं से आने वाले अप्रत्यक्ष प्रकाश से आ रहा है, तो आप उन वस्तुओं पर मार्ग नोड उत्पन्न करने के लिए उच्च संभाव्यता अक्षप्त कर सकते हैं और नमुना भारों को उसके अनुसार अपडेट कर सकते हैं।

नमुनाकरण की कठिनाइयाँ: व्यतिय (Varyance) और डेल्टा फंक्शन

इस प्रकार मार्गों को सैंपल करने से दो परस्पर जुड़े समस्याएँ एक साथ आती हैं; एक उच्च विवर्तन (वैरियेंस) की ओर तो दूसरी गलत परिणामों की ओर ले जाती है। पहली समस्या यह है कि जब तक पड़ोसी नोड्ज एक-दूसरे को देख नहीं सकते, तब तक बहुत सारे मार्गों का योगदान नहीं हो पाता: एक जटिल इमारत मॉडल में इस क्षेत्र-आधारित विधि को लगाने पर, मार्ग पर स्थित पड़ोसी नोड्ज के बीच लगभग हमेशा एक या दो दीवाँ होती हैं, जिसके कारण मार्ग शून् योगदान के साथ परिणामित होता है; परिणाम में उच्च विवर्तन उभरता है।

दूसरी समस्या उन क्षेत्रों में होती है जहाँ इं्टेग्रांड (बुनने वाली फंक्शन) का सामान करती है, जैसे कि जब आप एक दिशात्मक विसरण पैटर्न वाली प्रकाश स्रोत का उपयोग करते हैं, तो नमुना वितरण कुछ विशेष क्षेत्रों को छोड़ सकता है, जिसके कारण वे मार्ग गणना नहीं किए जाते। इस समस्या को हल करने के लिए डेल्टा फंक्शनों का सामान करने वाले पदों को विशेष रूप से संभालना चाहिए और उन्हें स्रोत बिंदुओं पर इम्पोर्टेंस नमुनाकरण की ओर मार्गदर्शित करना चाहिए।

क्षेत्रीय अनुप्रयोग और उद्योगगत मापन

पाथ ट्रेसिंग (Path tracing) के सैद्धांतिक महत्व से परे आधुनिक इमेज़ उत्पन्न करने की प्रक्रिया की रीड़खड़्दी बनाती है। सिनेमा क्वालिटी वाले रेंडर मोटर, आर्किटेक्चरल विज़ुअलाइज़ेशन उपकरण, गेम मोटर और रियल-टाइम ग्राफ़िक सिस्टम इस एल्गोरिद्म के विस्तारों से काम करते हैं। कोई बाइन्दागी न होने के कारण और फ़लाफ़ को सांख्यिकीय रूप से सही बनाने के कारण यह उद्योग की विश्वसनीयता की नींव है; जबकि उच्च सैंपलिंग पर होने वाला खर्च कम करने और तेज़ करने की तकनीकों से तुलनात्मक रूप से सही बनाया जाता है।

वास्तविक समय में प्रगति

पिछले कुछ वर्षों में, path tracing के रियल-टाइम अप्लिएशन्स के लिए समीकरण के Monte Carlo आधारित हल को अनुकूलित करने वाले दृष्टिकोन विकसित किए गए हैं। इनमें , delta फलनों का सही तरीके से हंस्तव्य करना और Rus ruletu आधारित नमुनाकरण समाप्ति शामिल हैं। इस तकनीक के माध्यम से उच्च गुणवत्ता वाले परिणामों और गणना खर्च के बीच संतुलन को पुनः स्थापित किया गया और path tracing को रियल-टाइम अप्लिए संस्थाओं में लाया गया।

शैक्षणिक परिणाम: पाथ ट्रेसिंग का विज्ञानिक महत्व

पाथ ट्रेसिंग (Path Tracing) एक ऐसी तकनीक है जो कंप्यूटर ग्राफ़िक्स में वास्तविकतावादी (photorealistic) चित्रण प्राप्त करने के लिए उपयोग की जाती है। यह तकनीक प्रकाश के व्यवहार को क्वांटम स्तर पर नहीं, बल्कि संभावना (probability) के आधार पर मॉडल करती है। इसका मूल सिद्धांत यह है कि प्रकाश की किरणें वस्तुओं से टक्कर खाकर बीमान होती हैं, और इन बीमानों का मापन संभावना वित्त के माध्यम से किया जाता है।

वैज्ञानिक दृष्टि से देखें तो पाथ ट्रेसिंग का महत्व इस बात में है कि यह रेनॉल्ड्स के सामान्यीकरण समीकरणों (Navier-Stokes equations) के बजाय, फोटॉन ट्रांसपोर्ट समीकरणों का हल खोजता है। यह तकनीक रेन्डरिंग समीकरण (Rendering Equation) का एक संभावीय हल प्रदान करती है, जिसे ब्र्टेन (Brent) ने 1980 के दशक में विकसित किया था।

इसके विज्ञानिक अनुप्रयाओं में निम्नलिखित शामिल हैं:

प्रकाशिकी (Optics) में पाथ ट्रेसिंग का उपयोग जटिल प्रकाश व्यवस्थाओं के अनुकरण (simulation) के लिए किया जाता है। विज्ञानी इसका उपयोग लेंस डिज़ाइन, प्रकाश वितरण और विवर्तन (diffraction) जैसी घटनाओं का अध्ययन करने के लिए करते हैं।

क्वांटम यंत्रिकी (Quantum Mechanics) में भी पाथ ट्रेसिंग की अवधारणा का उपयोग किया जाता है। फेनमन का पाथ ट्रेसिंग सिद्धांम कहता है कि किसी कण के किसी बिंदु से दूसरी बिंदु तक जाने की संभावना, उसके सभी संभावीय मार्गों का योग है।

गणितीय स्तर पर, पाथ ट्रेसिंग मोंटे कार्लो (Monte Carlo) समाकलन तकनीकों पर आधारित है। यह एक जटिल सामान्यीकृत समाकलन (multidimensional integral) का अनुमानित हल प्रदान करता है, जो कि रेन्डरिंग समीकरण का मूल है।

पाथ ट्रेसिंग, कंप्यूटर ग्राफिक्स में प्रकाश मॉडलिंग के गणितीय आधारों को प्रायोगिकता से जोड़ने वाला एक मोड़ का एल्गोरिदम है। काजिया द्वारा 1986 में प्रकाश ट्रांसफर समीकरण के साथ एक साथ उभरना इस दो अवधारणाओं के बीच की गहरी संबंधिता को दिखाता है: समीकरण सिद्धांत प्रदान करता है, और पाथ ट्रेसिंग उसे हल करने वाला सांख्यिकीय पद्धति प्रदान करता है।

इस एल्गोरिद्म का वैज्ञानिक मान कई मुख्य गुणों पर आधारित है: के कारण परिणाम सांख्यिकीय रूप से सटीक होते हैं, जबकि योग-पथ (यूल) सूत्रण के माध्यम से निष्पन्न होने के कारण इस एल्गोरिद्म को द्वि-मुखी नमूनीकरण तक व्यापक बनाया जा सकता है। रूसी रूलेट और क्षेत्र-आधारित नोड नमूनीकरण जैसी यंत्रणाएँ अनंत समिती को व्यावहारिक रूप से हल करते हुआँ अस्वार्थीयता को बनाए रखती हैं। नाम्य बिंदुओं पर बुद्धिमान नमूनीकरण की आवश्यकता वैकल्य घटाने की वास्तविक छवि उत्पन्न करने में उसके निर्णायक भूमिका को उजागर करती है।

आज पाथ ट्रेसिंग केवल एक शैक्षणिक रुचि का विषय ही नहीं; सिनेमा से लेकर गेमिंग, आर्किटेक्चर से लेकर वर्चुअल तक, विस्तृत खेत् के हर क्षेत्र में वास्तविकता की खोज करने वाले हर क्षेत्र में मान्यता प्राप्त समाधान बन गई है। योल इंटेग्रल आधारित दृष्टिकोण और इसका सामान्यीकरणयोग्य संरचना, एल्गोरिदम के भविष्य के विकास के लिए एक मजबूत आधार प्रस्तुत करना जारी रखती है।

शैक्षिक मूल्यांन और संदर्भ सूची

पाथ ट्रेसिंग (Path Tracing) साहित्यमें भौतिक रूप से सही छवि निर्माण (physically based rendering) के केंद्र में स्थित है। यह एल्गोरिदम प्रकाश वहन समीकरण (light transport equation) के पाथ इंटेग्रल (path integral) रूप से निकाला गया है, जो अनंत-आयामी इंटेग्रल्स को संख्यात्मक रूप में हल करने के लिए असंपीडन (lossless) मोंटे कार्लो विधियों का उपयोग करता है। इस पाठ में आने वाले मुख्य अवधारणाएँ इन हैं:

• लाइट ट्रांसपोर्ट समीकरण (Claro Transport Equation – LTE):
• योल इंटेग्रल फ़ॉर्म:
• मोंटे कार्लो विधियाँ:
• कायस़ीज़लिक (Unbiasedness):
• BSDF (Bidirectional Scattering Distribution Function):
• रस रूलतु:
• महत्व नमूनांकन (Importance Sampling):

ग्रंथ-सूची:

1. काजिया, जे. टी. (1986). . ACM SIGGRAPH Computer Graphics, 20(4), 143–150. — रेंडरिंग समीकरण और प्रकाश प्रसारन समीकरण को एक ही लेख में परिचित कराने वाला मूल स्रोत
2. Pharr, M., Jakob, W., & Humphreys, G. (यूल इंटेग्रल का रूप, रूसी नियम और नोड सैंपलिंग के विषय में निष्करण)

ध्यान दें: यह सामग्री कंप्यूटर ग्राफ़िक्स में भौतिक रूप से सटीक इमेज रेंडरिंग के संदर्भ में “पाथ ट्रेसिंग” की अवधारणा पर आधारित है; स्रोत आर्काइव में मौजूद तकनीकी सामग्री इस क्षेत्र के शैक्षिक आधारों पर निर्भर है।

स्रोत नोट: यह अध्ययन https://pbr-book.org/4ed/Light_Transport_I_Surface_Reflection/Path_Tracing से संरक्षित दस्तावेज़ों के आधार पर एक शैक्षणिक तकनीकी समीर्मा फ़ॉर्माट में तैयार किया गया और अपडेट किया गया है।