Métodos de Montecarlo para corregir autointersecciones en ray tracing
Fecha:
22/07/2021Palabra clave:
Tipo de Ítem:
masterThesis
Resumen:
El propósito principal de este trabajo es introducir una nueva aproximación para resolver
el problema de las autointersecciones en ray tracing mediante métodos de Montecarlo.
Los métodos más avanzados para tratar estos problemas, provocados por la falta de precisi
ón al calcular puntos de intersección, son e cientes pero dependen de la escena, lo que
puede causar igualmente artefactos en la imagen nal renderizada.
Mediante la introducción de nuevos algoritmos basados en la generación de números
aleatorios, podemos desarrollar nuevos métodos capaces de adaptarse a la escena por
sí mismos, obteniendo como resultado una mayor exibilidad a la hora de ajustar los
parámetros e imágenes con un mejor aspecto.
Introducimos dos algoritmos que implementan este nuevo enfoque del problema de la
autointersección: uno de ellos basado en la generación de números uniformemente distribuidos,
y otro basado en la generación de valores de una distribución normal. Los resultados
muestran que, con pocas iteraciones de cualquiera de estos métodos de Montecarlo, podemos
renderizar una imagen con menos puntos de autointersección de los que conseguiríamos
utilizando la técnica más popular hoy en día para este propósito.
Descripción:
This work's main purpose is to introduce a new Monte Carlo approach for solving
the self-intersection problem in ray tracing. State-of-the-art methods dealing with these
issues, caused by the lack of precision when computing intersection points, are efficient but
scene-dependent, which can still lead to some artifacts on the resulting rendered image.
By introducing new algorithms based on the generation of random numbers, we can
develop new methods capable of adapting to the scene by themselves, which can result in
more exibility when tweaking parameters and better-looking frames.
We introduce two algorithms implementing this new approach to the self-intersection
problem: one of them based on the generation of uniformly distributed numbers, and the
other based on generating values of a normal distribution. Results show that, with a few
iterations of any of these Monte Carlo methods, we can render a picture with less selfintersection
points than we would get by using today's most popular technique for this
purpose.
Ficheros en el ítem
