Rendu Progressif basé Metropolis-Hasting dans des scènes à contextes topologiques multiples

Résumé

Dans ce papier, nous proposons une nouvelle méthode de rendu basée sur Metropolis-Hasting et le lancer de photons stochastique. En s’appuyant sur la connaissance a priori de la topologie de la scène, notre méthode adapte automatiquement les paramètres de la marche aléatoire réalisée par l’algorithme de Metropolis-Hasting. Un taux d’échantillonnage optimal est ainsi obtenu pour chacun des contextes topologiques de la scène en leur associant une chaîne de Markov indépendante. Notre méthode peut être combinée avec toutes les avancées récentes concernant ce type d’algorithme (Replica Exchange, Adaptive Markov Chain Monte Carlo). En outre, notre papier propose une analyse détaillée des problèmes soulevés par l’utilisation de Metropolis-Hasting et montre comment notre méthode offre des résultats de qualité meilleure que celle obtenue avec les approches récentes du domaine.