IFT3355: Infographie Sujet 6: shading 7 (illumination globale 4)

Dimension: px

Commencer à balayer dès la page:

Download "IFT3355: Infographie Sujet 6: shading 7 (illumination globale 4)"

Germaine Falardeau
il y a 10 ans
Total affichages :

1 IFT3355: Infographie Sujet 6: shading 7 (illumination globale 4) Derek Nowrouzezahrai Département d informatique et de recherche opérationelle Université de Montréal

2 Ambient Occlusion expériment numérique Comme notre ancien exemple en 1D, on peut étudier la convergence de nos différents estimateurs en fonction du nombre d échantillons On va considérer deux exemples: un point ou V x, ω un point ou V x, ω 1, ω = 1, ω, et Pour chaqu un de ces exemples nous allons tracer la convergence pour chaqu un de nos estimateurs:

considérer deux exemples: un point ou V x, ω un point ou V x, ω 1, ω = 1, ω, et Pour

3 Ambient Occlusion expériment 1: V x, ω 1 Pour cet premier expériment on peut simplement tracer la valeur d ambient occlusion pour un point dans notre scène

4 Ambient Occlusion expériment 1: V x, ω 1 Pour cet premier expériment on peut simplement tracer la valeur d ambient occlusion pour un point dans notre scène

5 Ambient Occlusion expériment 2: V x, ω = 1 Pour cet premier expériment on peut simplement tracer la valeur d ambient occlusion pour un point dans une scène simplifiée

6 Ambient Occlusion expériment 2: V x, ω = 1 Pour cet premier expériment on peut simplement tracer la valeur d ambient occlusion pour un point dans une scène simplifiée

7 Ambient Occlusion expériment 2: V x, ω = 1 Ça correspond à quoi visuellement? N = 1 N = 1 N = 1!

8 Survol: reflection occlusion + les environnements lumineuses On continue avec l équation d illumination directe L o x, ω o = L in x, ω V x, ω f r (x, ω, ω o )dω Ω en appliquant plusieurs différents suppositions Souvenez qu avec l ambient occlusion on a supposé que L in x, ω = 1 la seule source d illumination est uniforme f r x, ω, ω o = max n x ω,0 π matériaux exclusivement diffus (avec k d = 1) Les prochaines deux applications démonteront comment: 1. simuler des objets non-lambertienne (ex: différent f r ) 2. traiter des sources de lumières plus complexes (ex: L in non-uniforme)

source d illumination est uniforme f r x, ω, ω o = max n x ω,0 π matériaux exclusivement diffus (avec k d = 1) Les prochaines deux applications

9 De côté: définition formelle de f r (x, ω, ω o ) f r est le bidirectional reflectance distribution function (BRDF), une fonction qui modèle les propriétés de réflectance d une matérielle (où de plusieurs matériaux combinées) À chaque point x le BRDF f r est une fonction de 4 dimensions: Deux pour les directions de lumière incident, et Deux pour les directions de lumière sortant Les propriétés mathématiques les plus importantes des BRDFs sont: 1. réciprocité: f r x, ω in, ω out = f r (x, ω out, ω in ) 2. conservation d énergie: f r x, ω in, ω o Ω in dω in 1, ω o 3. positivité: f r x, ω in, ω out 0, ω in et ω out Plusieurs équation analytiques pour f r existes pour des différentes types de réflexions: diffus, spéculaire (miroir, Phong, etc.), etc. On peut aussi utiliser des données tabulées capturées à partir du monde réel: float f_r[theta_i][phi_i][theta_o][phi_o][couleurs]

propriétés mathématiques les plus importantes des BRDFs sont: 1. réciprocité: f r x, ω in, ω out = f r (x, ω out, ω in ) 2. conservation d énergie: f r x, ω in, ω o Ω in dω in 1, ω o 3.

10 f r (x, ω, ω o ) Lambertienne Peut-être vous avez remarqué le facteur de 1 dans notre π formulation du BRDF Lambertienne Nous avons opportunément ignoré ce facteur de normalisation jusqu'à présent mais maintenant nous pouvons le dériver! Le modèle Lambertienne conserve l énergie parfaitement ( f r x, ω in, ω o Ω in dω in = 1) Chaque BRDF doit être normalisé et, si on ne savait pas déjà le facteur de normalisation pour le modèle Lambertienne, on le dérivera en résolvant pour C ci-dessous C max n x ω in, 0 dω in = 1 Ω in

Le modèle Lambertienne conserve l énergie parfaitement ( f r x, ω in, ω o Ω in dω in = 1) Chaque BRDF doit être normalisé et, si

11 f r (x, ω, ω o ) Phong Souvenez le modèle de réflexion Phong x R f r x, ω in, ω o max R ω, 0 n On peut similairement déterminer le facteur de normalisation pour ce modèle en résolvant C f r x, ω in, ω Ω in o dω in = 1 pour C C = n+1 2π et f r x, ω in, ω o = n+1 max R ω,0 2π n

facteur de normalisation pour ce modèle en résolvant C f r x, ω in,

12 Exemple 2: Reflection Occlusion Reflection occlusion est un effet de shading dérivé du formulation d illumination directe après l application de certains suppositions Comme l ambient occlusion on suppose une seule source d illumination uniforme Mais, au lieu de supposer des matériaux exclusivement diffus, reflection occlusion suppose que tous les matériaux respectes le modèle de refléxion de Phong L ro x, ω o = Ω (n + 1) max R ω, 0 n 2π V x, ω dω On va dériver des estimateurs Monte Carlo pour calculer cet intégrale

de supposer des matériaux exclusivement diffus, reflection occlusion suppose que tous les matériaux respectes le modèle de

Importance sampling pour reflection occlusion Comme toujours on commence avec l expression de l estimateur générale pour notre problème: L ro x, ω o 1 N i (n + 1) max R

13 Importance sampling pour reflection occlusion Comme toujours on commence avec l expression de l estimateur générale pour notre problème: L ro x, ω o 1 N i (n + 1) max R ω i, 0 n 2π pdf(ω i ) V x, ω i On peut revoir les questions typiques pour l estimation Monte Carlo: comment choisir le pdf et distribuer les échantillons selon notre pdf

max R ω i, 0 n 2π pdf(ω i ) V x, ω i On peut revoir les questions typiques pour l

14 Reflection Occlusion Estimateur intélligent (pdf = distribution hémisphérique + cosinus autour de R levé à n) Alors, on va choisir pdf ω i = (n + 1) max R ω i, 0 n 2π et générer les échantillons ω i = (θ i, φ i ) selon cette distribution: L ro x, ω o 1 N i V x, ω i

pdf ω i = (n + 1) max R ω i, 0 n 2π et générer les échantillons ω

15 Résultats: reflection occlusion pdf uniforme sur la sphère (naïve) n = 10; N = 1 n = 10; N = 10 2 n = 10 2 ; N = 1 n = 10 2 ; N = 10 2 pdf distribué selon le cosinus levé à la rugosité n = 10; N = 1 n = 10; N = 10 2 n = 10 2 ; N = 1 n = 10 2 ; N = 10 2

2 ; N = 10 2 pdf distribué selon le cosinus levé à la rugosité

Documents pareils

Synthèse d'images I. Venceslas BIRI IGM Université de Marne La

Synthèse d'images I. Venceslas BIRI IGM Université de Marne La Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image