Path Guiding for Wavefront Path Tracing: A Memory Efficient Approach for GPU Path Tracers

我们提出了一种路径引导算法，可并入路径追踪器的波前样式（WFPT）。由于WFPT主要在图形处理单元（GPU）上实现，所以所提出的方法旨在利用GPU的能力，并减少通常需要此类技术的分层数据结构和内存使用。为了实现这一点，我们的算法仅在单个全局稀疏八叉树（SVO）数据结构上存储辐射通量。需要引导光线的概率密度函数是使用此数据结构即时生成的。与其他路径引导技术相比，所提出的方法减少了与场景相关的持久内存要求，同时根据场景特征产生类似或更好的结果。据我们所知，我们的算法是第一个将路径引导纳入WFPT的算法。

论文旨在将路径引导算法融入波前路径追踪器中，以减少数据结构和内存使用，提高GPU的利用率，同时保持相似或更好的渲染结果。

该算法使用全局稀疏八叉树数据结构仅存储辐射通量，实时生成用于引导光线的概率密度函数，从而减少场景相关的持久性内存需求，同时提高GPU的利用率。

该算法是首个将路径引导融入波前路径追踪器的算法。实验结果表明，该算法在减少内存使用的同时，能够产生与其他路径引导技术相似或更好的渲染结果。论文提供了开源代码。

最近的相关研究包括：Efficient Path Guiding for Monte Carlo Rendering Using Reinforcement Learning，Progressive Photon Mapping with Recursive Density Estimation，Practical Path Guiding for Efficient Light-Transport Simulation。