Säteenseurantateknologian optimointi reaaliaikaisessa simuloidussa ympäristössä

Abstract

Säteenseuranta on noussut yhdeksi suosituimmista tavoista mallintaa valon toimintaa graafisessa renderöinnissä. Säteenseurantateknologian käyttö on lähivuosina yleistynyt kuluttajatason sovelluksissa. Sen käyttäminen on kuitenkin usein käyttäjien laitteistolle vaativaa. Säteenseurannalle on kehitetty useita optimointimenetelmiä, joilla sen kustannuksia voidaan vähentää. Tämän tutkielman tarkoitus on tarkastella valittuja optimointimenetelmiä, sekä vertailla niitä toisiinsa. Vertailu tehdään, jotta lukija saisi hyvän käsityksen siitä, mihin tekniikoita käytetään ja miten ne eroavat toisistaan. Tutkielmassa on valittu kaksi optimointimenetelmää, jotka ovat kiihdytysrakenteet ja kohinanpoisto. Kiihdytysrakenteiden osalta tutkitaan kolmea valittua rajavolyymihierarkiaa BVH, KD-puu ja CB-puu. Kohinanpoiston menetelmistä käsitellään tilasuodatusta, aikakeräystä ja syväoppimisen käyttämistä. Tulokset osoittavat, että BVH tai CB-puu on ympäristöstä riippuen tehokkain kiihdytysrakenne reaaliaikaisessa ympäristössä. Kohinanpoistossa koneoppiminen tuottaa parhaan kuvanlaadun, vaikka se onkin laskennallisesti vaativaa. Tutkimuksen perusteella voidaan päätellä, että oikean optimointimenetelmän valinta riippuu käytettävistä resursseista ja suoritusympäristöstä.