Rendu Progressif basé Metropolis-Hasting dans des scènes à contextes topologiques multiples
Résumé
Dans ce papier, nous proposons une nouvelle méthode de rendu basée Metropolis-Hasting et lancer de photons stochastiques. En s'appuyant sur la connaissance a priori de la topologie de la scène, notre méthode adapte au- tomatiquement 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 toute les avancées récentes concernant ce type d'algorithme (Replica Exchange, Adpative Markov Chain Monte Carlo). Aussi, notre papier propose une analyse détaillée des problèmes soulevés par l'utilisation de Metropolis-Hasting et nous montrons comment notre méthode offre des résultats de meilleure qualité que les approches récentes du domaine.