パストレース：さらに詳しく読む

パストレース：光輸送の確率的解法と物理ベースレンダリングの基盤

はじめにと概念的基础

パストレース（yol izleme）は、物理的に正確な画像生成の基本的なアルゴリズムの一つであり、環境中を伝播する光のすべての相互作用—直接・間接の両方の照明を含む—を確率的な手法によってシミュレーションします。1980年代後半にによって提唱され、（光の方程式）として名付けられた数学的枠組みは、リアルな画像生成における転換点とみなされています。パストレースは、この方程式をモンテカルロ積分手法によって解くことの最も自然な帰結であり、光と物質の相互作用に対して物理ベースで光学の法則に準拠したシミュレーションの枠組みを提供します（Kajiya 1986）。

追跡ベースのレンダリングアプローチの歴史的発展において、による光線追跡手法によって開始され、反射・屈折といった効果を階層的に深めていくアプローチは、パストレーシングの哲学的土台を形成している。Kajiyaの貢献は、この発想を一般的な光輸送方程式へと転換し、すべての表面相互作用を単一の積分の下に集約させた点にある（Pharr et al. 2016）。

描算方程式：光の方程式とその意味

パストレースの数学的な核心は、以下ので表現されます。

$$L_o(mathbf{p}, omega_o) = L_e(mathbf{p}, omega_o) + int_{Omega} L_i(mathbf{p}, omega_i), f_r(mathbf{p}, omega_i, omega_o) (omega_i cdot mathbf{n}), domega_i$$

この式は、点 $mathbf{p}$ における出射輝度 $L_o$ が、その点から放出される輝度 $L_e$ と、各入射方向 $omega_i$ から到来する入射輝度 $L_i$ に、表面のブラッドフォード反射分布関数 $f_r$ を掛けて積分した反射成分の和として表されることを示しています。ここで、$mathbf{n}$ はその点における法線ベクトル、$Omega$ は半球全体の立体角を表します。

この式で、$L_o$ は出力方向への放射輝度、$L_e$ は表面自身の放出光（emission）、$f_r$ は（BRDF）と呼ばれる、素材が光をどのように散乱させるかを定義する関数を表します。積分項は、半球全体から来る入射放射輝度（$L_i$）が表面に蓄積される量を計算します。この積分は解析的に解くのが複雑すぎるため、パストレースはサンプリングによって近似します（Pharr et al. 2016）。

メカニズム：アルゴリズムの仕組み

前進および後進方向の走行軌跡追跡

パストレースは、主に2つの方向で動作させることができます。（フォワード）は、カメラから発射された光線を追跡することでシーン内の光源へ到達しようとするアプローチですが、光源を発見できる確率が低いため非効率であり、特に小型または遠方の照明ではその傾向が強くなります。一方、（バックワード）は、カメラから発射された各ピクセルに対してランダムな方向を生成する方法で、広角のシーンにおいてより効果的です。この2つのアプローチを統合したものがであり、ここではカメラ側と光源側の両方の端からパスのセグメントを構成することで、間接照明（インダイレクト・イルミネーション）といった難しい状況の解決において重要な改善が実現します。

サンプリング：重点サンプリング

パストレースの効率性の鍵はにある。乱数によるサンプリングがもたらす高分散は、物理的に意味のある方向（例えば光源方向や反射方向など）をより頻繁に選択することで低減される。BRDFのピークに応じてサンプリングを行うことや、といった手法を用いることでノイズレベルを低下させることができる。この技術はカメラシステムにおいても有効であり、例えばシンク・レンズ（薄レンズ）モデルによる被写界深度の計算では、クックが提案したアプローチにより、光源を点ではなく小さなディスクとしてサンプリングすることで、現実的な効果を生み出す（Cook et al. 1984; Cook 1986）。

ルーレット・ルーレットと交通誘導

無限ループを防止するため、パストレーシングは、ランダムに選択された深さで光線が方式によって除去されることに依存している。この技術は、低寄与パスを統計的に不偏に除去することを可能にしつつ、パスの重みを保持することで期待値計算の歪みを防止する（Pharr et al. 2016）。

セクターおよび応用における次元：カメラシミュレーションからノイズ低減へ

レンズ光学と物理的画像表示の効果

パストレースは、現代のレンダリングシステムにおいて、カメラ光学の物理的効果をモデル化するためにも用いられます。による1995年の研究を発端とするこのアプローチは、実在のカメラによる撮像効果がライトトレースによってシミュレーションされることを可能にし、これに対応するモデルはまさにこの土台の上に成り立っています。その後の研究では、波長依存の効果が取り入れられ、やフレアが追加されました。Steinert等人（2011）はシミュレーションの細部を改善し、Joo等人（2016）は非球面レンズによるパス中継点での回折をモデル化しました。等人はレンズシステムを多項式で近似することで、パストレースのコストを削減しました。また、HanikaとDachsbacherはこのアプローチを双方向パストレースと組み合わせています（Hullin等人 2012；Hanika & Dachsbacher 2014）。

動体ブレと被写界深さ

モーションブラー

モンテカルロノイズとノイズリダクションのアプローチ

パストレースの根本的な限界はにあります。十分なサンプル数に達するまで画像が粒状に見えてしまいます。この問題に対処するため、サンプル値の統計的特徴に基づく多数の手法が開発されてきました。LeeとRedner（1990）は、低値側と高値側のサンプルを除去するフィルタを提案し、JensenとChristensen（1995）は、周波数領域において照明寄与を個別に処理することでノイズを削減できることを示しました。これらの基礎の上に構築された現代のノイズ除去手法は、画像を構成する光伝達方程式を考慮したフィルタを生み出しています（Zwicker et al. 2015）。

学術的成果と評価

パストレースは、物理的に正確な画像生成において今日でもなお基準として参照される基本的な手法です。これは、光の伝達をモデル化するの一般解を確率的に提供するためです。モンテカルロ積分近似によって解析的に求解が不可能な高次元積分を近似できるパストレースは、被写体深度、モーションブラー、レンズ光学など、複雑なカメラエフェクトも自然にシミュレートすることができます。一方で、高い分散を持つため、サンプリング効率はインポータンスサンプリングやデノイズ技術によって継続的に最適化されています。また、双方向パストレースは、順方向と逆方向の近似を統合することで、この最適化において重要な一歩となっています。学術文献においてパストレースは、レンダリングアルゴリズムのためだけでなく、光のモデルリング理論の実験的検証の観点からも中心的な位置を占めています（Kajiya 1986; Pharr et al. 2016）。

学術的評価と参考文献

重要な概念:

参考文献

• Cook, R.L., Porter, T., Duff, I.（1984）.『非一様ランダム希薄サンプリング：複雑シーン内の不連続体のための』ACM SIGGRAPH Computer Graphics 18(3):205–212；Cook, R.L.（1986）.『フォトリアルなレンダリングにおける二次元効果のための非一様サンプリング分布』ACM SIGGRAPH Computer Graphics 20(4):127–134。
• グリベル、C.、アケニーネ＝モラー、M.（2017）。『解析的・時間依存型シャドウイングとモーションブラー』。コンピュータグラフィックス技術ジャーナル（JCGT）6(1)。
• Hanika, J., Dachsbacher, C.（2014）.『Efficient modeling of thin optical elements in global illumination』。ACM Transactions on Graphics 33(4):1–10。
• Kajiya, J.T. (1986). . Proceedings of the 13th annual conference on Computer graphics and interactive techniques (SIGGRAPH ’86), pp. 143–150.
• Kolb, C., Mitchell, D., Hanrahan, P.（1995）.『レイトレースによるカメラレンズシステムのモデリング』。第22回コンピュータグラフィックス・インタラティブ・テクニック年次会議（SIGGRAPH ’95）論文集、pp. 43–46。
• Jensen, H.W., Christensen, N.H.（1995）.『参加メディアを持つシーンにおける光伝達の効率的シミュレーション：フォトンマップの使用』。SIGGRAPH ’95 論文集、pp. 311–320。
• リー、S.C., レッドナー、R.A.（1990）.『グローバルイルミネーションレンダリングのためのヒストグラムベースの2つのフィルタ手法』. レンダリング・テクニック、スプリンガー、pp. 68–79.
• Pharr、M．、Jakob、W．、Humphreys、G．（2016）．『物理ベースレンダリング：理論から実装まで』第3版．Morgan Kaufmann．
• シュタインベルト、C.J. 他（2011）.『光学カメラシステムの撮像効果のモデリング』。High Performance Graphics 論文集、pp. 97–105。
• Joo, M., 他（2016）.『開口絞りにおける回折の薄レンズモデル』。Journal of Computer Graphics Techniques。Hullin, M.B., 他（2012）.『光学システムの多項式近似およびそのカメラレンズシミュレーションへの応用』。High Performance Graphics。
• Zwicker、M. 他（2015）。『統計的画像解析に基づくノイズ除去』[報告書]。

注：

ソースノート：本研究は、https://pbr-book.org/4ed/Cameras_and_Film/Further_Reading のアーカイブされたドキュメントを基に、学術的な技術レビューの形式で編纂・更新されました。