Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Concept
Rendu non biaisé
Résumé
vignette|250px|Exemple de rendu non biaisé utilisant Indigo.
Le rendu non biaisé est une technique de rendu photoréaliste, en Infographie, qui n'introduit aucune erreur systématique, ou biais, dans l'approximation du rayonnement.
De ce fait, il est souvent utilisé pour générer l'image de référence à laquelle d'autres techniques de rendu sont comparées. Mathématiquement, l'espérance mathématique de l'estimateur non biaisé sera toujours la moyenne de celle de la population, quel que soit le nombre d'observations. L'erreur trouvée dans un rendu non biaisé sera due à la variance, qui se manifeste par un bruit haute fréquence dans l'image résultante. La variance est réduite de et l'écart type de pour les points de données , ce qui signifie qu'il faut quatre fois plus de points de données pour réduire de moitié l'écart type de l'erreur. Cela rend les techniques de rendu non biaisées moins attrayantes pour les applications en temps réel ou interactives. Inversement, une image produite par un moteur de rendu non biaisé qui semble lisse et sans bruit est probabilistiquement correcte.
Une méthode de rendu biaisée n’est pas nécessairement fausse et peut quand même converger vers la bonne réponse si l’estimateur est . Il introduit toutefois un certain biais, généralement sous la forme d'un flou, dans le but de réduire la variance (bruit haute fréquence). Il est important de noter qu'une technique non biaisée peut ne pas prendre en compte tous les chemins possibles. Le path tracing ne peut pas toujours gérer les caustiques générées à partir d'une source de lumière ponctuelle, car il est très peu probable de générer de manière aléatoire le chemin qui se reflète directement dans le point. La cartographie progressive des photons (PPM), une technique de rendu biaisée, peut très bien gérer les caustiques. Bien que biaisée, la PPM est parfaitement cohérente, ce qui signifie que lorsque le nombre d'échantillons va jusqu'à l'infini, l'erreur de biais passe à zéro et que la probabilité que l'estimation soit correcte atteint un.
Les mé
Source officielle
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Proximité ontologique