Skip to main content

Chapter 41: Bidirectional Techniques

核心问题与阅读主线

本章导读5 个核心小节 · 附自检与总结

双向技术讨论的是同一件事:当一条有效光路很难从相机端随机走到光源端时,渲染器怎样同时利用相机采样和光源采样来提高样本效率。本章以一个室内场景作为贯穿材料:小面积光源照亮天花板的一小块区域,房间主体依赖间接光,桌面上还有一只玻璃杯产生焦散。普通 Path Tracing 从相机出发时,大量路径在找到有效亮区前已经终止;从光源出发时,很多能量又难以落入当前像素。Bidirectional Techniques 的目标是把这两类路径放到同一套 path-space estimator 中比较、连接和加权。

读完本章后,读者应能追踪一条 BDPT(Bidirectional Path Tracing)样本从像素采样、camera subpath、light subpath、vertex connection、visibility test、MIS weight 到 film accumulation 的完整路径;能判断噪声来自路径采样缺失、测度转换错误、可见性连接失败,还是权重计算不稳定;也能比较 Path Tracing、Light Tracing、Photon Mapping 与缓存结构在小光源、焦散、室内间接光和 glossy path 场景中的适用边界。

本章的标准技术背景来自 Eric Veach 的 1997 年博士论文 Robust Monte Carlo Methods for Light Transport Simulation,以及 PBRT v3 的 Bidirectional Path Tracing 实现说明。正文会把这些材料整理成工程判断:一个 renderer 中需要保存哪些 path vertex 数据,哪些 PDF 必须统一到同一测度,哪些连接策略需要特殊处理,哪些调试视图可以解释最终画面噪声。

41.1 双向路径追踪的基本思想​

双向路径追踪的核心对象是一条完整光路,而完整光路可以由两段子路径拼接得到。camera subpath 从镜头或传感器采样开始,经由屏幕像素进入场景,在表面或介质中逐次散射;light subpath 从光源采样开始,沿着光传播方向逐次散射。渲染器在两条子路径上选择一对可连接顶点,发出一条 visibility ray,连接通过后把两端 throughput、两个散射函数和几何项相乘,得到一次对像素 radiance 的估计。

在室内贯穿场景中,普通相机路径需要先击中墙面,再刚好散射到天花板亮斑,再从亮斑方向看到小光源,这类随机事件概率很低。光源子路径从小光源出发时,第一批顶点更容易落在天花板亮斑和玻璃杯附近。BDPT 把 camera vertex 与 light vertex 连接,相当于把“从眼睛找亮区”和“从光源找可见区域”放在同一条估计路径中。画面上的变化通常表现为室内暗部间接光更稳定,焦散附近更早出现可见结构,高亮噪点数量下降。

一个 BDPT sample 的主路径可以写成下面的管线。图中只描述单个像素样本;真实实现会在 tile、sample index 和线程任务上并行执行。

图中的 s 和 t 是连接策略编号。s 表示使用 light subpath 的前缀顶点数量,t 表示使用 camera subpath 的前缀顶点数量。s = 0 可以表示纯相机路径击中光源,s = 1 与 t > 1 常对应显式 light sampling,t = 1 常对应 light tracing 把贡献 splat 到 film 上。一般连接 s > 1, t > 1 时,渲染器在 light vertex 与 camera vertex 之间做一条阴影可见性测试。

完整路径的贡献可以用工程形式表示为:light_throughput * light_bsdf * geometry_term * camera_bsdf * camera_throughput * MIS_weight。其中 light_throughput 记录从光源端走到连接点的能量权重,camera_throughput 记录从相机端走到连接点的重要性权重,两个 BSDF 或 phase function 评估连接方向是否被材质允许,geometry_term 处理距离平方衰减、表面朝向和遮挡。这个表达式把视觉结果拆回了资源和管线阶段:ray intersection 提供顶点,material system 提供 BSDF,scene acceleration structure 提供 visibility,sampler 提供随机变量,film 接收最终贡献。

BDPT 的工作单位通常是 path vertex。一个 vertex 至少需要保存类型、位置、几何法线或着色法线、throughput、前向 PDF、反向 PDF、delta 标记和可连接标记。类型决定它来自 camera、light、surface 还是 medium;delta 标记决定连接策略能否跨过纯 specular 事件;前向和反向 PDF 决定后续 MIS weight 是否能比较所有可替代策略。缺失这些数据时,算法仍然可能生成画面,但噪声、能量偏差和调试困难会同时出现。

贯穿场景中的玻璃杯说明了可连接性的边界。玻璃表面如果被建模为理想 specular,散射方向由入射方向和折射率唯一决定,渲染器无法用任意两点之间的直线连接来构造合法散射事件。连接策略遇到这类 vertex 时,应把它标成 delta 并跳过直接连接。rough glass 或 glossy material 有有限宽度的散射 lobe,可以评估 BSDF 和 PDF,连接策略才有机会给出有效贡献。这个边界决定了 BDPT 对某些焦散路径有效,对纯 specular chain 仍会保留高方差。

41.2 权重计算与合并策略​

BDPT 的权重问题来自同一条完整光路可以由多种策略生成。以“光源 → 天花板亮斑 → 墙面 → 相机”为例,渲染器可以从相机端先走到墙面,再连接天花板亮斑;也可以从光源端先走到亮斑,再连接墙面;还可以让普通 Path Tracing 在某次随机散射中击中光源。每一种构造方式都有自己的采样概率。直接平均会放大低概率高贡献样本,画面表现为 firefly 和局部斑点。MIS(Multiple Importance Sampling,多重重要性采样)负责把这些策略合成一个更稳定的估计。

MIS 的输入是同一条完整路径在不同策略下的 PDF。为了比较这些 PDF,渲染器必须把所有概率密度放到同一测度上。表面散射通常先给出方向空间的 PDF,也就是每单位立体角概率密度;路径连接和 path-space estimator 需要每单位面积概率密度。对从顶点 x 采样到表面顶点 y 的一段连接,常用转换为 p_A(y) = p_omega(w) * abs(dot(n_y, -w)) / distance2(x, y)。介质顶点、无穷远环境光和 camera endpoint 还需要各自的特殊处理,工程实现中通常把转换封装在 vertex 方法里。

几何项和 PDF 转换必须配套理解。连接贡献中的几何项可以写成 G(x, y) = V(x, y) * abs(dot(n_x, w)) * abs(dot(n_y, -w)) / distance2(x, y),其中 V(x, y) 是 visibility 或 transmittance。PDF 转换也含有距离平方和接收端余弦。前者描述这条连接对 radiance 的物理贡献,后者描述这条连接被某个采样策略生成的概率。把二者混在一起会使 MIS weight 失去可比性,常见症状是距离变化时亮度漂移,或斜角表面上噪声权重异常。

权重计算可以采用 balance heuristic 或 power heuristic。balance heuristic 的工程含义是:如果某条路径在当前策略下的 PDF 高,而在其他策略下的 PDF 低,当前策略获得更大权重;如果多种策略都能稳定生成它,权重在策略之间分配。power heuristic 会进一步压低 PDF 较小的策略,常用于降低异常高贡献样本的影响。选择哪一种启发式并非画质开关,而是方差控制策略;核心前提仍然是各策略 PDF 计算正确、测度一致、delta 事件处理一致。

下面的简化伪代码展示权重合并的关键数据流。代码省略了 medium、infinite light、camera splat 和 Russian roulette,只保留策略枚举、连接、PDF 比较和权重累积的骨架。

struct PathVertex {
VertexType type;
float3 position;
float3 normal;
Spectrum beta;
float pdfFwd;
float pdfRev;
bool delta;
bool connectible;
};

for (int t = 1; t <= cameraCount; ++t) {
for (int s = 0; s <= lightCount; ++s) {
int depth = s + t - 2;
if (depth < 0 || depth > maxDepth) {
continue;
}

Connection c = connectPath(lightPath, cameraPath, s, t, scene);
if (!c.valid) {
continue;
}

float w = misWeight(lightPath, cameraPath, s, t, c, scene);
Spectrum contribution = c.throughput * w;
accumulateFilm(contribution, c.filmPosition);
}
}

这段代码要证明的判断是:BDPT 的复杂度主要来自“同一路径的多种生成方式”,连接本身只是其中一个步骤。connectPath 负责判断两端 vertex 是否可连接、计算 BSDF、发出 visibility ray 和得到未加权贡献;misWeight 负责从当前路径反推其他策略生成该路径的概率。工程上应把这两个函数拆开,因为连接错误和权重错误在图像上会混成同一种噪声,拆开后才能通过 debug output 定位。

在贯穿场景中,如果天花板亮斑附近出现孤立高亮点,先查看该样本的 path length、s,t 策略和 MIS weight。若高亮点多来自 s = 0 或显式 light sampling,说明相机路径偶然命中高能区域后权重压制不足;若高亮点来自 general connection,检查连接两端的 PDF 是否都已转换为面积测度;若某些策略图全黑,检查 delta 标记、light endpoint PDF 和 visibility ray 是否提前返回。这个顺序把画面噪声转成可复查的数据路径。

41.3 稳定实现双向追踪​

稳定实现 BDPT 的第一步是把 path vertex 设计成调试对象,而非临时交点结构。普通 Path Tracing 可以在每次 bounce 后只保留当前 ray、throughput 和 depth;BDPT 需要在路径生成后回头枚举连接,因此每个 vertex 都要保存后续权重计算所需的信息。最小字段包括 endpoint 类型、interaction 数据、throughput beta、pdfFwd、pdfRev、是否 delta、是否在表面、是否可连接、以及用于输出 film 坐标的 camera sampling 信息。

第二步是让 camera subpath 和 light subpath 使用同一套 random walk 骨架。两者的差异在 transport mode、endpoint 初始化和 PDF 方向上。camera path 携带的是 importance transport,light path 携带的是 radiance transport;散射函数在非对称 BSDF 或 shading normal correction 下会影响反向 PDF。工程实现中,路径生成函数应在每次生成新 vertex 时同时更新当前 vertex 的 forward density,并把 reverse density 回写到前一个 vertex。这样 MISWeight 可以沿着完整路径两侧移动 crossover point,比较所有可行策略。

第三步是把 visibility test 设计成连接阶段的显式资源访问。一次 general connection 要查询场景加速结构,可能还要计算介质 transmittance。它的成本接近一次 shadow ray。由于很多连接在 BSDF 评估后已经为零,稳定实现会先检查两端 connectible,再计算两个散射函数,贡献非零时再发出 visibility ray。这个顺序减少无效 ray query,同时保留正确性。对 alpha-masked geometry、participating media 和 motion blur 场景,visibility tester 还要携带时间、介质状态和透明度处理策略。

第四步是把特殊策略单独写清楚。s = 0 表示 camera path 自己击中 light,需要评估 light emission;s = 1 常可复用 renderer 已有的 direct light sampling;t = 1 表示 light subpath 连接到 camera,样本可能落在另一个 film position,需要 splat;s = 1, t = 1 同时采样 light endpoint 和 camera endpoint,很多实现会跳过这个无效组合。无穷远环境光也需要特殊 endpoint,因为它没有有限面积位置。把这些分支塞进一个通用连接公式会增加错误概率,单独处理更容易复查。

第五步是建立 debug heatmap。BDPT 的最终 RGB 图很难直接说明问题,因为同一个像素内可能混合了多种策略。建议输出至少四类调试通道:策略编号热图、MIS weight 热图、path length 热图、zero reason 热图。策略编号显示哪些 s,t 对画面贡献最大;MIS weight 显示是否存在异常接近一的孤立样本;path length 显示间接光主要来自几次 bounce;zero reason 记录被 delta、BSDF zero、occlusion、PDF zero、depth limit 过滤的连接。可选工具如 RenderDoc 或离线 EXR 查看器只负责观察这些 buffer,正确性仍由路径数据和权重公式决定。

下面的检查顺序适合第一次把 BDPT 接入一个已有 path tracer。它以最小场景开始,逐步打开困难路径,能把错误限定到具体阶段。

  • 用单个 diffuse 面片和一个可见 area light 检查 s = 0、direct lighting 和普通 path tracing 结果是否一致。
  • 用两块 diffuse 墙面检查 general connection 的 geometry term、visibility 和面积 PDF 转换。
  • 用小面积光源照亮天花板亮斑,比较 strategy heatmap 是否显示 light subpath 连接开始承担主要贡献。
  • 加入 rough glass,检查 glossy BSDF 的 forward PDF、reverse PDF 和 connectible 标记。
  • 加入理想 specular glass,检查 delta 连接是否被过滤,剩余贡献是否来自合法策略。
  • 加入 environment light,检查无穷远 endpoint 的 PDF、film splat 和 visible emitter 逻辑。

这组步骤的价值在于每一步只增加一类路径复杂度。若第二步已经失败,后续 glossy、environment 和 medium 调试没有意义;若第四步才失败,问题通常在 BSDF 的双向 PDF 或 delta/lobe 分类;若只有第六步失败,优先检查 endpoint measure 和 film accumulation。

41.4 混合技术与多种方法协同策略​

双向技术在工程 renderer 中通常与其他 GI 方法协同使用。标准 Path Tracing 带 next event estimation 对大面积光源、diffuse 场景和直接光很稳定;Light Tracing 更擅长从光源端发现能量集中区域;BDPT 把两端路径通过 MIS 合并,在室内间接光和一部分 glossy path 中减少方差;Photon Mapping 把光源路径存储成 photon map,再通过 density estimation 重建局部辐照度,适合焦散和小光源路径,但结果带有半径和密度估计误差。混合策略要先识别困难光路类型,再选择采样族,而非把所有算法同时打开。

在贯穿场景中,房间暗部间接光主要是小光源通过天花板亮斑进入室内,BDPT 的 light subpath 提供了更容易命中的中间顶点,通常比纯相机路径更快稳定。玻璃杯底部的 sharp caustics 可能包含 specular chain,general connection 无法任意跨越纯 specular 顶点,Photon Mapping 或 Metropolis Light Transport 可能更容易发现这些路径。若焦散被建模为 rough caustics,BDPT 可以通过 glossy lobe 连接得到一部分贡献;若材质接近理想折射,光子密度估计或 path mutation 更有优势。

混合时最容易出错的是把 estimator 和 cache 混为同一层。BDPT 是无偏 Monte Carlo estimator,它对每个像素样本构造路径并计算权重;Photon Mapping 使用 photon storage 和 gather radius,通过一致估计逼近光照;irradiance 或 radiance cache 复用空间和时间邻域样本,通常服务于 diffuse 或低频分量。一个 renderer 可以先用 BDPT 负责困难间接光,再把低频 diffuse GI 缓存到 probe 或 screen-space history 中;但缓存层必须知道输入估计的噪声、偏差和有效空间范围。缓存平滑了错误权重或错误 PDF 后,问题会从随机噪声变成稳定漏光。

可复用的策略选择顺序如下。先看光源是否小、遮挡是否强、间接路径是否经过狭窄区域;这些条件指向 light-side sampling 或 BDPT。再看路径中是否存在理想 specular chain;该条件指向 photon mapping、MLT 或专门的 caustic sampler。接着看材质是否主要 diffuse;该条件适合缓存和低频复用。最后看画面目标是离线质量还是实时近似;离线 renderer 可以承担多策略 MIS 和较深路径,实时 renderer 多依赖低 sample count、temporal accumulation、denoiser 和 guiding。这个顺序先按光路难度分类,再按资源预算收敛。

下面的表把四类方法放在同一组维度上比较。表中“输出证据”指调试时能看到的对象,而非算法宣传语。

方法主要采样方向强项路径主要成本输出证据
Path Tracing + NEE相机端为主,直接采样光源可见光源、diffuse 直接光、大面积光源大量 camera ray 和 shadow rayper-pixel variance、light sample PDF、direct/indirect AOV
Light Tracing光源端为主,贡献 splat 到 film小光源能量分布、部分焦散film splat、camera hit 概率低splat heatmap、light path depth、camera PDF
BDPT相机端与光源端共同构造室内间接光、部分 glossy path、小亮区子路径存储、多连接、MIS PDFstrategy heatmap、MIS weight、zero reason
Photon Mapping光源端存储,视点端 gathercaustics、局部高能量聚集photon storage、半径查询、估计误差photon density、gather radius、caustic map

混合策略还要控制同一贡献被重复统计。若 direct lighting 已经由 Path Tracing + NEE 处理,BDPT 中对应的 direct connection 仍可以参与 MIS,但必须把它作为同一 path estimator 的策略之一。若单独叠加 Photon Mapping 的 caustic pass,需要明确它覆盖的光路集合,例如 specular-diffuse-camera 的 caustic 分量,并在材质或 pass 分类中限制范围。若同时启用 radiance cache 和 BDPT,cache 应记录它缓存的是哪个光照分量、来自哪些 path length、是否包含可见光源贡献。分量边界清楚,最终合成才可复查。

41.5 样本效率与收敛速度​

Monte Carlo 渲染的误差随样本数增长通常按平方根速度下降,算法之间真正拉开差距的是方差常数。BDPT 改变的正是样本分布:它让一些原本很难从相机端随机命中的高贡献路径,通过光源端或中间连接被更频繁地生成。它不会改变最终积分目标,也不会让所有困难路径同时消失;它把部分场景中的“极少数超高贡献样本”转成“更多中等贡献样本”,画面上表现为更平滑的间接光和更少的 firefly。

小光源室内场景是 BDPT 的典型优势场景。相机路径从墙面随机散射到小光源方向的概率很低,next event estimation 能直接采样光源,但如果有效照明来自被小光源打亮的二次区域,单次 direct sample 仍难以覆盖。light subpath 把能量先送到亮斑,再与 camera vertex 连接,样本更容易落在有效光路附近。strategy heatmap 中,s > 1, t > 1 的连接会比纯 s = 0 贡献更稳定。

焦散场景需要拆成 rough caustics 和 sharp caustics。rough caustics 的 BSDF lobe 有有限宽度,BDPT 可以评估连接方向的 BSDF 与 PDF,样本效率通常提升。sharp caustics 经过理想镜面或理想折射链,任意连接无法满足 delta 约束,BDPT 的 general connection 会被过滤。此时 Photon Mapping 通过从光源端投射并存储 photon 更容易在 caustic 接收面形成可见结构,MLT 通过 path mutation 更容易沿着已发现的高贡献路径探索邻域。选择算法时要先看材质 lobe 宽度,再看焦散接收面尺寸和光源大小。

室内 diffuse indirect lighting 适合 BDPT 与缓存协同。BDPT 可以用较少样本发现房间内的有效间接路径,缓存或 denoiser 可以复用低频照明分量。这里的关键证据是间接光 AOV 的空间频率:墙面大面积柔和变化适合缓存,接触阴影、玻璃焦散和小亮斑边界需要保留路径级采样或单独 pass。若缓存把高频分量直接平滑,画面会出现漏光、边缘发灰或焦散扩散。

Glossy path 的表现介于 diffuse 与 specular 之间。glossy lobe 越宽,BDPT 连接越容易命中合法方向;lobe 越窄,连接概率和 PDF 计算越敏感。粗糙金属墙面反射小光源时,BDPT 的多连接策略通常能降低噪声;高光很窄的抛光金属或玻璃折射链会保留明显方差。调试时应输出 material roughness、BSDF sampled type 和 strategy weight,观察噪声是否集中在低 roughness 区域。若是,优先改进 BSDF sampling、path guiding 或专门 caustic sampler,而非盲目增加 BDPT 连接数量。

样本效率评估应看同等时间下的误差,而非只看同等 samples per pixel。BDPT 每个像素样本要生成两条子路径并枚举多个连接,单样本成本高于普通 Path Tracing。公平比较需要固定渲染时间或 ray budget,输出 direct、indirect、caustic、glossy AOV 的 variance,再观察哪类分量下降最多。若 BDPT 的每秒样本数大幅下降,而目标场景没有小光源、狭窄亮区或困难间接路径,它可能低于更简单的 Path Tracing + NEE。若目标场景存在强间接小亮区,BDPT 往往用更少有效时间得到更平稳的结果。

最终判断顺序可以压缩为四步:先识别困难光路是否从相机端低概率命中;再检查光源端是否能更容易生成中间顶点;接着确认路径中是否有 delta chain 限制连接;最后用 strategy heatmap、MIS weight 和 AOV variance 验证收益。这个顺序把“使用双向技术”从概念选择变成了可观察的工程决策。

最小自检任务​

动手自检先独立判断

给定一个离线 renderer 的测试场景:一个小 area light 朝上照亮天花板局部区域,房间内墙面为 diffuse,桌面上放置一个 rough glass 杯子,相机看向墙面和杯底焦散。普通 Path Tracing 在 128 spp 下墙面间接光噪声明显,杯底有少量 firefly。请设计一次 BDPT 调试方案,说明你会记录哪些 path vertex 字段、输出哪些 debug AOV、优先检查哪些连接策略,以及如何判断 BDPT 对这个场景的收益来自室内间接光还是焦散路径。

本章知识点总结​

  • 双向目标

    BDPT 通过相机子路径和光源子路径共同构造完整光路,提高低概率高贡献路径的采样机会。

  • 贯穿对象

    室内小光源、天花板亮斑和玻璃杯焦散能同时暴露间接光、glossy path 和 specular chain 的采样差异。

  • 连接策略

    s,t 描述使用 light subpath 和 camera subpath 的前缀长度,同一完整路径可能由多种策略生成。

  • 路径贡献

    一次连接贡献由两端 throughput、两个散射函数、geometry term、visibility 和 MIS weight 共同决定。

  • 顶点数据

    稳定实现需要在 path vertex 中保存类型、interaction、throughput、forward PDF、reverse PDF、delta 和 connectible 信息。

  • 测度统一

    MIS 权重比较要求所有策略 PDF 使用同一测度,表面方向 PDF 需要转换为面积 PDF。

  • 几何项边界

    geometry term 描述路径贡献,PDF 转换描述采样概率,二者混用会导致权重和亮度异常。

  • 特殊策略

    光源击中、显式 light sampling、camera splat、无穷远环境光和 delta 事件需要单独处理。

  • 调试证据

    strategy heatmap、MIS weight、path length 和 zero reason 能把最终噪声拆回具体连接失败原因。

  • 混合边界

    Path Tracing、Light Tracing、BDPT、Photon Mapping 和缓存结构应按光路难度、材质 lobe 和资源预算组合。

  • 焦散判断

    rough caustics 更适合 BDPT 连接,sharp caustics 常需要 photon density、path mutation 或专门采样器。

  • 效率评估

    BDPT 的收益应按同等时间或 ray budget 下的分量 variance 判断,而非只比较 samples per pixel。