Полное объемное рассеяние Монте-Карло

Я хотел бы добавить полное объемное рассеяние Монте-Карло к моему трассировщику пути, но мне трудно исследовать, как это сделать. Позвольте мне объяснить, что я хотел бы сделать: луч входит в материал, и мы применяем BTDF, затем через некоторое расстояние происходит событие объемного рассеяния, после которого (в изотропном случае) луч рассеивается в любом направлении в сфера. Это повторяется до тех пор, пока луч не выйдет из материала с другим BTDF.

Мои вопросы следующие:

1. Как выбрать расстояние между событиями разброса? Интуиция говорит мне, что должен быть какой-то разброс pdf, который дает вероятность разбросаться после определенного расстояния?
   • Было бы это правильно?
   • Будет ли pdf линейной функцией для изотропных материалов?
   • У этой функции есть имя или что-то, что я могу Google?
2. Будет ли Беер-Ламберт все еще применяться между событиями разброса?
   • Я бы подумал, что нет. Так как Беер-Ламберт является упрощением реальных расчетов рассеяния.
   • С другой стороны, возможно, Беер-Ламберт - это расчет в микроуровне, а трассировка пути - в макроуровне.
3. Что такое объемный эквивалент BSDF? Похоже, я могу использовать фазовую функцию, такую ​​как Henyey-Greenstein, чтобы определить новое направление, но что я использую для ослабления?
4. И наконец, каковы некоторые лучшие фразы Google для объемного рассеяния Монте-Карло?
   • Поиск по объемному рассеянию, или SSS, в конечном итоге дает статьи, методы и сообщения в блогах об упрощениях полного моделирования по методу Монте-Карло (диполь, рассеяние, рассеяние, диффузия и т. Д.)

Прежде всего, хорошим ориентиром для отслеживания пути Монте-Карло в участвующих СМИ являются заметки из курса от Стива Маршнера.

$\sigma$$\sigma = \sigma_s + \sigma_a$

$\sigma$

Итак, чтобы ответить на ваши вопросы напрямую:

1. $e^{-\sigma x}$$x$

   $x = -(\ln \xi)/\sigma$$e^{-\sigma x}$

   $\sigma_a/\sigma$$1 - \sigma_a/\sigma$

2. Нет, если вы будете следовать только что описанной процедуре выборки по важности, Beer-Lambert уже неявно включен в выборку, поэтому вы не хотите применять ее к весам трасс.

3. $\sigma_s, \sigma_a$

   Вы можете сделать что-то подобное и для BSDF; Вы можете выделить общее альбедо, и зависимость от направления всегда будет нормализована. Это в основном вопрос соглашения AFAICT.

4. Попробуйте «участвующие среды» (то есть объемную «среду» - множественные «среды», которая «участвует» в переносе света) и «объемную трассировку пути».