- 各采样器比较
- 自适应细分是一个几乎所有其他“有偏差的非物理渲染器”(注1)都在采用的算法。它是一种相对来说有点老式,但在绝大多数情形下都非常好用的算法。它会算出干净且采样细致的图像结果,在静帧渲染时的表现非常出色,但是与DMC采样器相比,自适应细分往往会在一些本可以采样再少一点的地方过多采样
- DMC采样器,那么要在某些同样的地方求出同样质量的反射模糊可能就不用这么多样本,DMC是目前在求取镜头景深和三维运动模糊时最好用(时间短质量高)的光线追踪采样算法
- 详解“采样”,自适应采样
- 计算机自己判断出在有必要的时候,才增加对个别像素的采样。这就是自适应采样技术,因为采样的数目是依据图像的复杂程度而适应性变化的。那么在颜色对比比较明显的地方采样数量会增加
- 自适应细分和DMC采样的共同点是它们都是自适应性的采样算法,但是工作机制不同
- 细分采样器
- 细分算法的采样点是处于如图所示的像素顶角上,初始样本采集到信息以后,细分采样器会分析这些信息,然后来决定哪些像素需要更多的采样样本。每一个像素边角上的样本都被拿来比较,如果某个像素的色差大于参数面板中设定的颜色阈值(下图所示),Vray就会进一步细分这个像素,并且在这个像素上采集更多的样本
- 难以理解,先放着
On Dyson, techno-centric design and social consumption https://2earth.github.io/website/20250707.html 如何創造偉大的事物 https://ryolu.notion.site/1610a94b9c108079a95be4362afd4a26 集結信徒,而非官僚 Reflections on OpenAI https://calv.info/openai-reflections 创业架构 Shui https://github.com/rock-zhang/Shui 好好喝水 https://www.ghibli.jp/works/ 吉卜力作品的高清图 From Skeuomorphic to Liquid Glass: Apple's Strategic Bet on the Post-Touch Future https://omc345.substack.com/p/from-skeuomorphic-to-liquid-glass 迄今为止关于苹果Liquid Glass变革的解读,最好的一篇 The Nueva School https://en.wikipedia.org/wiki/The_Nueva_School?useskin=vector 看起来是很酷的一个学校 The Barbican https://arslan.io/2025/05/12/barbican-estate/ 史蒂夫·乔布斯希望你阅读的 9 本书 https://www.douban.com/doulist/147158849/ 《禅者的初心》里有句话:“做任何事,其实都是在展示内心的天性,这是我们存在的唯一理由。” Chuck Feeney was one of the greatest philanthropists ever https://www.gatesnotes.com/Remembering-Chuck-Feeney 慈善家 My new deadline: 20 years to give away virtually all my wealt...