Path tracing: Gearchiveerde technische documentatie

Path Tracing: De Wiskundige en Fysieke Grondslagen van Realistisch Beeldgeneratie met Lichtpaden

Inhoudsopgave

1. Inleiding tot Path Tracing
2. De Fysieke Grondlagen van Licht en Beeldvorming
3. De Wiskundige Verantwoording
4. Het Path Tracing Algoritme
5. Praktische Implementatie en Uitdagingen
6. Toepassingen en Toekomstperspectieven
7. Conclusie

—

1. Inleiding tot Path Tracing

Path tracing is een krachtige techniek binnen de computergrafiek die zich richt op het realistisch simuleren van de paden die licht aflegt bij de vorming van een beeld. In tegenstelling tot traditionele renderingsmethoden die zich beperken tot directe belichting en eenvoudige schaduwen, probeert path tracing de volledige complexiteit van lichttransport te benaderen, waaronder indirecte belichting, globale verlichting, reflecties, breking en diffusie.

De kern van path tracing ligt in het volgen van individuele lichtstralen vanaf hun oorsprong, via meerdere interacties met oppervlakken, tot ze de camera bereiken. Deze aanpak maakt het mogelijk om subtiele visuele effecten te genereren die essentieel zijn voor fotorealistisch beeldmateriaal.

—

2. De Fysieke Grondlagen van Licht en Beeldvorming

Om path tracing te begrijpen, is het noodzakelijk de fysieke principes achter licht en beeldvorming te doorgronden. Licht gedraagt zich volgens bepaalde wiskundige en fysieke wetten die het gedrag binnen path tracing bepalen.

2.1 Licht als Elektromagnetische Straling

Licht is een vorm van elektromagnetische straling die zich voortplant als een elektromagnetische golf. De golflengte van zichtbaar licht varieert van ongeveer 380 tot 750 nanometer, wat overeenkomt met het spectrum van kleur dat het menselijk oog kan waarnemen.

De energie van een foton wordt beschreven door de vergelijking:

$$E = hnu = frac{hc}{lambda}$$

waarbij:
– $E$ de energie van het foton is
– $h$ de Planck-constante is ($6.626 times 10^{-34}$ J·s)
– $nu$ de frequentie is
– $c$ de lichtsnelheid is ($3 times 10^8$ m/s)
– $lambda$ de golflengte is

2.2 Interactie van Licht met Oppervlakken

Wanneer licht een oppervlak treft, kunnen er verschillende dingen gebeuren:

– Reflectie: Licht weerkaatst vanaf het oppervlak
– Breking (Transmissie): Licht gaat door het oppervlak en verandert van richting
– Absorptie: Licht wordt opgenomen door het oppervlak en omgezet in andere energieformen
– Diffusie: Licht verspreidt zich in meerdere richtingen

2.3 Het Lambertiaanse Reflectiemodel

Een ideaal diffuus (Lambertiaans) oppervlak weerkaatst licht gelijkmatig in alle richtingen. De helderheid van zo’n oppervlak lijkt onafhankelijk van de waarnemingshoek, een eigenschap die bekend staat als het Lambertiaanse cosinusveld.

De reflectantie wordt gegeven door:

$$L_o = rho cdot L_i cdot cos(theta)$$

waarbij:
– $L_o$ de uitgaande helderheid is
– $rho$ de reflectantie is
– $L_i$ de inkomende helderheid is
– $theta$ de invalshoek is

—

3. De Wiskundige Verantwoording

De wiskundige basis van path tracing wordt voornamelijk gedragen door de Renderingsvergelijking (Rendering Equation), ontwikkeld door James Kajiya in 1986.

3.1 De Renderingsvergelijking

De renderingsvergelijking beschrijft hoe licht zich verspreidt binnen een scène:

$$L_o(vec{x}, hat{omega}_o) = L_e(vec{x}, hat{omega}_o) + int_{Omega} f_r(vec{x}, hat{omega}_i, hat{omega}_o) L_i(vec{x}, hat{omega}_i) (hat{omega}_i cdot hat{n}) dhat{omega}_i$$

Deze vergelijking heeft de volgende componenten:
– $L_o$: De uitgaande helderheid in richting $hat{omega}_o$
– $L_e$: De eigen emissie van het oppervlak
– $f_r$: De Bidirectional Reflectance Distribution Function (BRDF)
– $L_i$: De inkomende helderheid uit richting $hat{omega}_i$
– $hat{n}$: De normaal van het oppervlak
– $Omega$: De halve bol boven het oppervlak

3.2 De BRDF

De Bidirectional Reflectance Distribution Function (BRDF) beschrijft hoe licht wordt verspreidt bij interactie met een oppervlak. Het is een fundamenteel concept in path tracing.

$$f_r(hat{omega}_i, hat{omega}_o) = frac{dL_o(hat{omega}_o)}{L_i(hat{omega}_i) cos(theta_i) dhat{omega}_i}$$

De BRDF moet aan bepaalde fysieke eisen voldoen:

– Reciprocity (Omkeerbaarheid):
$$f_r(hat{omega}_i, hat{omega}_o) = f_r(hat{omega}_o, hat{omega}_i)$$

– Passiviteit: De BRDF mag geen energie creëren
– Energy Conservation: De totale reflectie mag niet meer energie bevatten dan de inkomende energie

3.3 Monte Carlo Integratie

Path tracing maakt gebruik van Monte Carlo-methoden om de complexe integralen in de renderingsvergelijking te benaderen. De basisformule voor Monte Carlo integratie is:

$$I = int_a^b f(x) dx approx frac{b-a}{N} sum_{i=1}^{N} f(x_i)$$

waarbij $x_i$ willekeurige steekproeven zijn uit het interval $[a, b]$.

De variantie van deze schatter neemt af met de factor $frac{1}{sqrt{N}}$,

Inleiding: De wetenschappelijke aard van artistieke visuele weergave

In de computergrafiek is (sporenvolg) een volledig willekeurige beeldvormingsmethode die het fysieke gedrag van licht in een scène statistisch modelleert. Deze aanpak, gebaseerd op de (weergavedequelemming) die James Kajiya in de jaren tachtig heeft geformuleerd, vormt de basis van moderne realistische weergave-algoritmen en is tegenwoordig een standaardtechnologie zowel in de filmindustrie als in gamemotoren.

Het meest opvallende kenmerk van path tracing, dat het onderscheidt van andere technieken, is dat de interactie tussen licht en materiaal volledig wordt berekend binnen het kader van (küresel aydınlatma). Dankzij de probabilistische padnetwerken die gereflecteerde, verstrooide en gebroken fotonen volgen, ontstaan fysische verschijnselen zoals schaduwverzachting, kleuroverdracht (color bleeding) en diepte-effecten van nature.

Grondleggende Mechanismen: Van de Rendering-vergelijking naar het monsteren

In het vorige hoofdstuk hebben we de rendering-vergelijking geïntroduceerd, een integraalvergelijking die de globale verlichting in een scène beschrijft. In dit hoofdstuk gaan we dieper in op de technische details van het oplossen ervan. We beginnen met het introduceren van het concept van stralingsdichtheid (radiance density), een fundamentele grootheid die essentieel is voor het correct modelleren van licht. Vervolgens bespreken we de Monte Carlo-integratie, een krachtige numerieke techniek die het mogelijk maakt om de complexe integralen in de rendering-vergelijking te benaderen. Tot slot bespreken we de metode om te monsteren (sampling), de kern van het numerieke oplossen van de integralen, waarbij we de nadruk leggen op het efficiënt en accuraat kiezen van lichtstralen en oppervlakken.

Beeldvergelijking en Lichtoverdracht

De wiskundige ruggengraat van path tracing is de rendering equation, die in 1986 door Kajiya is geformuleerd:

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

Deze vergelijking staat bekend als de reflectie‑vergelijking (reflection equation) en beschrijft hoe het licht dat een oppervlak verlaat samenkomt uit het door het oppervlak zelf uitgezonden licht en het door het oppervlak verspreide licht dat van alle invalshoeken binnen het halve vlak komt.

In deze vergelijking vertegenwoordigt $L_o$ het waargenomen lichtintensiteit, $f_r$ de oppervlakverspreidingskenmerk dat wordt gedefinieerd door de (BRDF) en $L_i$ het invallende licht. De integraaluitdrukking drukt de som uit van het licht dat een punt vanuit alle richtingen ontvangt.

Ik heb de tekst ontvangen, maar er is geen Engelse tekst aanwezig die vertaald moet worden. Het enige wat ik zie is de titel “Rastlantısal Örnekleme Ve Monte Carlo Yöntemi”, wat in het Turks staat (en niet in het Engels).

Kunt u de daadwerkelijke Engelse tekst versturen die u wilt laten vertalen naar het Nederlands? Zodra ik de Engelse inhoud zie, vertaal ik die graag volledig en professioneel naar het Nederlands, waarbij ik alle HTML-tags behoud en erop let dat er geen Engelse woorden of zinnen overblijven (met uitzondering van internationaal erkende merknamen).

Omdat deze integraal analytisch niet oplosbaar is, produceert path tracing benaderde waarden met behulp van -integratie. Voor een bepaald pixel wordt de integraal benaderd door de gemiddelde waarde te berekenen van willekeurig gerichte lichtpaden:

$$hat{I} = frac{1}{N}sum_{k=1}^{N}frac{f_r(omega_i, omega_o), L_i(omega_i), (omega_i cdot mathbf{n})}{p(omega_i)}$$

De term $p(omega_i)$ vertegenwoordigt de (PDF)-waarde van de gekozen richting en is van kritisch belang voor een correcte steekproefneming. Naarmate het aantal steekproeven ($N$) toeneemt, convergeert de oplossing naar de werkelijke waarde; dit proces betekent echter van nature een afname van ruis in de afbeelding.

Variabilite Azaltma Yöntemleri: Gürültüden Gerçekçi Sonuca

Gürültü Azaltma Yöntemleri

Gürültü azaltma, görüntü işlemede en kritik konulardan biridir. Görüntüler, çekildikleri anda birçok farklı kaynaktan gürültü içerir. Bu gürültüler görüntünün kalitesini ciddi şekilde bozar ve sonraki analiz adımlarını olumsuz etkiler.

Gürültünün Kaynakları

Gürültü birden fazla kaynaktan gelir:

– Termal gürültü: Sensör ısınması sonucu oluşur
– Okuma gürültüsü: Elektronik bileşenlerden kaynaklanır
– Foton gürültüsü: Işık fotonlarının rastgele dağılımından doğar
– Sıkıştırma gürültüsü: JPEG gibi formatlarda ortaya çıkar

En Yaygın Azaltma Yöntemleri

Ortalama Filtreleri
Yakın piksellerin ortalamasını alarak gürültüyü azaltır. Basit ve hızlıdır ancak detayları da silebilir.

Gauss Filtresi
Ağırlıklı ortalama kullanarak doğal görünümlü sonuçlar verir. Görüntüdeki bulanıklığı minimize eder.

Median Filtresi
Tuz-biber gürültüsüne karşı çok etkilidir. Keskin kenarları korur.

Kenar Koruyucu Filtreler
Non-local means ve bilateral filtreler gibi yöntemler, gürüntüdeki kenarları koruyarak gürültüyü azaltır.

Derin Öğrenme Yöntemleri
Modern sinir ağları, büyük veri setleriyle eğitilerek son derece başarılı gürültü azaltma sonuçları verir.

Sonuç
Doğru filtreyi seçmek, görüntünün kullanım amacına bağlıdır. Basit uygulamalar için ortalama filtreler yeterli iken, profesyonel çalışmalar için gelişmiş yöntemler gerekebilir.

Belangrijkheidssteekproef (Importance Sampling)

De door willekeurige steekproeven ontstane (veranderlijkheid) is de grootste uitdaging bij path tracing. Om dit probleem te verminderen, maakt het mogelijk om meer steekproeven uit te voeren in richtingen waar het licht intenser is. Vooral voor Lambertiaanse en speculaire oppervlakken worden verschillende distributies gebruikt, waardoor de ruis aanzienlijk wordt gereduceerd.

Gemengd Bemonsteren (Mis)

Meervoudig belangrijkheidsmonsteren

Gediversifieerde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde Bepaalde

In de laatste jaren zijn methoden zoals ontwikkeld om ruis onafhankelijk van het rendementsproces te verminderen. Deze technieken streven ernaar met minder steekproeven hoge kwaliteitresultaten te produceren door gebruik te maken van de fysieke gelijksoortigheid tussen naburige pixels.

Sektörel Boyut: Oyun Endstrisinde Path Tracing’in Yükselişi

Değeri Kanıtlanmış Teknoloji: Path Tracing’in Oyun Sanatına Girişi

Path tracing, gerçekçi ışık simülasyonu için matematiksel olarak doğru yaklaşımı benimseyerek oyun endistrisinde giderek daha yaygın bir hale gelmektedir. Bu teknik, ışığın fiziksel davranışını modelleyerek sahnedeki her piksel için doğru ışık değerlerini hesaplar ve bu da oyunların görsel kalitesini önemli ölçüde artırır.

Endüstriyel Benimseme: Ana Oyuncuların Yol Göstermesi

Büyük stüdyoların path tracing teknolojisini benimsemesi, sektörün geri kalanı için bir yol gösterici niteliği taşımaktadır. Bu lider şirketlerin deneyimleri ve başarıları, diğer geliştiricilerin bu ileri teknolojiyi kendi projelerinde kullanmaları için cesaret verici bir örnek oluşturmaktadır.

Yükselen Oyuncular: Yeni Nesil Geliştiriciler

Path tracing’in yükselen oyuncular tarafından benimsenmesi, teknolojinin demokratikleşme sürecini yansıtmaktadır. Küçük ve orta ölçekli stüdyolar da artık bu gelişmiş rendering teknolojisini kullanarak profesyonel düzeyde görsel içerik üretebilmektedirler.

Teknolojik Altyapı: Hardware ve Yazılım Destegi

Path tracing’in başarılı bir şekilde uygulanması, güçlü donanım altyapısı ve gelişmiş yazılım araçlarına dayanmaktadır. Bu altyapının sağlanması, oyun stüdyolarının bu teknolojiyi verimli bir şekilde kullanabilmeleri için kritik önem taşımaktadır.

Gelecek Perspektifi: Path Tracing’in Sürekliliği

Path tracing’in oyun endistrisindeki yükselişinin sürmesi beklenmektedir. Teknolojinin sürekli gelişmesi ve yaygınlaşması, oyun sektörünün geleceğinde önemli bir rol oynayacaktır. Bu trendin devam etmesi, oyuncuların daha gerçekçi ve etkileyici görsel deneyimler yaşamalarını sağlayacaktır.

Hardware en realtime-toepassingen

Path tracing, vele jaren uitsluitend beperkt tot offline renderwerkstations; de rekencost was niet geschikt voor real-time toepassingen. Echter, met de ontwikkeling van -technologieën (donanihastig versnelde lichtstraalvervolging) is deze situatie veranderd. NVIDIA’s RT-cores en AMD’s vergelijkbare architectureen voeren ray-mesh-botsingstesten rechtstreeks in de hardware uit.

Integratie in Game-Engine’s

Moderne game-engines han tegenwoordig hybrid rendering benaderingen geïmplementeerd. In plaats van volledig path tracing combineren deze hybride systemen de voordelen van traditionele rasterisatie met ray tracing en bieden ze een evenwichtige prestatie. -algoritmen (gürültü temizleme) maken het mogelijk om met een laag aantal samples te werken en zorgen zo voor de snelheid die nodig is voor real-time gebruik.

De balans tussen prestaties en kwaliteit

De fundamentele uitdaging die real-time path tracing met zich meebrengt, is de relatie tussen de hoeveelheid berekende licht en de beeldkwaliteit. Hoewel het nemen van meer samples per pixel de ruis kan verminderen, is dit proces kostbaar, waardoor de industrie ertoe is overgegaan en door kunstmatige intelligentie ondersteunde denoisers in te zetten om deze kloof te dichten.

Akademik Sonuçlar: Gelecek Yönleri Araştırmaları

Het huidige onderzoeksfonds van path tracing richt zich op de balans tussen statistische nauwkeurigheid en rekenkundige efficiëntie. en learning-gebaseerde beeldherstelmethoden worden geïntegreerd met klassiek path tracing om nieuwe hybride modellen te ontwikkelen. Bovendien versnelt de groeiende vraag naar nauwkeurige, realistische rendering voor metaverse- en digital twin-toepassingen het onderzoek in dit gebied.

In de academische literatuur worden werkzaamheden rondom het probleem van ruisonderdrukking, dat de kernvorming vormt bij path tracing, nog steeds actief voortgezet en worden regelmatig nieuwe algoritmen gepubliceerd. In dit verband blijft de methode, zowel vanwege zijn theoretische diepgang als zijn praktische relevantie, een van de meest dynamische onderzoeksgebieden binnen de computergrafiek.

Akademische Evaluatie en Bronvermelding

Pathtracing is waardevol binnen de op fysica gebaseerde beeldgeneratie, omdat het op een wiskundig degelijk fundament is gebouwd. De benadering die begint met de verstralingsequatie, zorgt voor een volledige modellering van de lichttransport; echter brengt de door Monte Carlo-methoden veroorzaakte statistische ruis aanzienlijke rekenkundige kosten met zich mee in praktische toepassingen. Daarom wordt het succes van pathtracing niet alleen gemeten aan theoretische nauwkeurigheid, maar eveneens aan de effectiviteit van variantiereductie- en equalizeralgoritmen.

Bronvermelding:

• Kajiya, J. T. (1986). . SIGGRAPH ’86 Proceedings.
• Veach, E., & Guibas, L. J. (1995). . ACM Transactions on Graphics.
• Pharr, M., Jakob, W., Humphreys, G. (2016). (3rd ed.). Morgan Kaufmann.
• Jensen, H. W. (2007). . AK Peters.
• Lefebvre, S., Revaup, D., et al. (2018). (BDNF). ACM Transactions on Graphics.

Noot:

Bronvermelding: Deze studie is samengesteld en bijgewerkt in een academisch technisch reviewformaat op basis van gearchieveerde documentatie van https://cwyman.org/papers/sig25_ReSTIR_Splatting.pdf.