第8章：全局光照

全局光照（Global Illumination）是计算机图形学中最具挑战性的问题之一。与局部光照不同，全局光照考虑了光线在场景中的多次反射、折射和散射，能够生成逼真的视觉效果，如软阴影、颜色渗透（color bleeding）、焦散（caustics）等。本章将从辐射度量学的基础出发，推导渲染方程，并介绍蒙特卡洛方法在求解全局光照中的应用。

8.1 辐射度量学

辐射度量学（Radiometry）是描述光能传播的物理框架。理解这些概念对于正确实现基于物理的渲染至关重要。

8.1.1 基本概念

辐射度量学中的物理量形成了一个层次结构，从能量开始，逐步引入时间、空间和方向的微分。理解这些量之间的关系对于正确实现基于物理的渲染至关重要。

辐射能量（Radiant Energy）

• 符号：$Q$
• 单位：焦耳（J）
• 物理意义：光子携带的总能量
• 与光子的关系：$Q = \sum_i h\nu_i$，其中 $h$ 是普朗克常数，$\nu_i$ 是第 $i$ 个光子的频率
• 量子力学视角：每个光子能量 $E = h\nu = \frac{hc}{\lambda}$
• 波长与颜色：可见光波长范围 380-780nm，对应不同颜色感知

辐射功率/辐射通量（Radiant Power/Flux）

• 符号：$\Phi = \frac{dQ}{dt}$
• 单位：瓦特（W）或流明（lm）
• 物理意义：单位时间内通过某个表面或空间区域的能量
• 实例：100W灯泡每秒辐射100焦耳的能量
• 光度学对应：光通量（Luminous Flux），考虑人眼响应曲线
• 光效转换：典型白炽灯约15 lm/W，LED可达100+ lm/W
• 积分形式：$\Phi = \int_A \int_{\Omega} L(\mathbf{p}, \omega) \cos\theta \, d\omega \, dA$

辐射强度（Radiant Intensity）

• 符号：$I = \frac{d\Phi}{d\omega}$
• 单位：W/sr（瓦特/球面度）
• 物理意义：点光源在某个方向上单位立体角的功率
• 适用条件：光源尺寸远小于到观察点的距离（$r \gg d_{source}$）
• 与点光源的关系：对于各向同性点光源，$I = \frac{\Phi}{4\pi}$
• 实际应用：描述LED、远距离恒星等近似点光源
• 方向分布：实际光源常有方向性，如聚光灯 $I(\theta) = I_0 \cos^n\theta$
• 距离无关性：强度不随距离变化（但照度会以 $1/r^2$ 衰减）

辐照度（Irradiance）

• 符号：$E = \frac{d\Phi}{dA}$
• 单位：W/m²
• 物理意义：单位面积接收到的功率（所有方向的总和）
• 与入射方向的关系：$E = \int_{\Omega} L_i(\omega) \cos\theta \, d\omega$
• 实际测量：照度计测量的就是辐照度的光度学对应量
• 太阳常数：地球大气层外的太阳辐照度约为 1361 W/m²
• 点光源辐照度：$E = \frac{I}{r^2} \cos\theta$（平方反比定律）
• 环境光近似：常用常数辐照度 $E_{ambient}$ 模拟天空光
• 半球辐照度：$E = \int_{\Omega^+} L_i \cos\theta \, d\omega$（只考虑上半球）

辐射出射度（Radiant Exitance）

• 符号：$M = \frac{d\Phi}{dA}$
• 单位：W/m²
• 物理意义：单位面积发出的功率
• 与辐照度的区别：方向相反，一个描述入射，一个描述出射
• 与辐射度的关系：$M = \int_{\Omega} L_o(\omega) \cos\theta \, d\omega$
• Lambertian发射体：$M = \pi L$（各向同性发射）
• Stefan-Boltzmann定律：黑体 $M = \sigma T^4$
• 面光源建模：用出射度描述发光表面

辐射度（Radiance）

• 符号：$L = \frac{d^2\Phi}{dA \cos\theta \, d\omega}$
• 单位：W/(m²·sr)
• 物理意义：单位面积、单位立体角、单位投影面积上的功率
• 核心地位：辐射度是渲染方程的基本量，因为： 1. 沿光线传播不变（在真空中） 2. 相机传感器响应与辐射度成正比 3. 可以通过积分得到其他所有辐射度量 4. 人眼感知亮度直接对应辐射度
• 与其他量的关系：
• $d\Phi = L \, dA \cos\theta \, d\omega$
• $dE = L \cos\theta \, d\omega$
• $dI = L \, dA \cos\theta$
• 光线束（Ray Bundle）：$d\Phi = L \, dA_{\perp} \, d\omega$
• 典型值：太阳表面 $\approx 2 \times 10^7$ W/(m²·sr)

8.1.2 辐射度的性质

辐射度是渲染中最重要的量，具有以下关键性质：

1. 方向性与五维函数 - 辐射度是位置和方向的函数：$L(\mathbf{p}, \omega)$ 或 $L(x, y, z, \theta, \phi)$ - 这是一个五维函数（3D位置 + 2D方向） - 光场（Light Field）：固定 $z$，得到4D函数 $L(x, y, \theta, \phi)$ - 环境贴图：固定位置，得到2D函数 $L(\theta, \phi)$ - 全光函数（Plenoptic Function）：$L(x, y, z, \theta, \phi, \lambda, t)$ 包含波长和时间 - 光场相机：通过微透镜阵列捕捉 4D 光场信息

2. 传播不变性（Radiance Invariance） 在真空或均匀介质中传播时，辐射度沿光线保持不变： $$L(\mathbf{p}, \omega) = L(\mathbf{p} + t\omega, \omega), \quad \forall t > 0$$ 证明思路：考虑两个微分面元之间的能量传输

• 从面元1发出：$d\Phi_1 = L_1 \, dA_1 \cos\theta_1 \, d\omega_1$
• 到达面元2：$d\Phi_2 = L_2 \, dA_2 \cos\theta_2 \, d\omega_2$
• 由于 $d\omega_1 = \frac{dA_2 \cos\theta_2}{r^2}$ 和 $d\omega_2 = \frac{dA_1 \cos\theta_1}{r^2}$
• 能量守恒要求：$d\Phi_1 = d\Phi_2$，因此 $L_1 = L_2$

几何光学含义：

• 光线是辐射度的特征线
• 这个性质是射线跟踪算法的理论基础
• 在介质界面处会发生变化（折射定律）

3. 线性叠加性 - 多个光源的贡献可以线性叠加：$L_{total} = \sum_i L_i$ - 这是因为光子之间不相互作用（在线性光学范围内） - 使得我们可以独立计算每个光源的贡献 - 非线性效应：高强度激光、双光子吸收等特殊情况 - 波动光学效应：干涉、衍射需要考虑相位

4. 与相机响应的关系 - 相机传感器的响应正比于入射辐射度 - 像素值 $\propto \int_{\text{pixel}} \int_{\text{aperture}} L \cos\theta \, dA \, d\omega \, dt$ - 这解释了为什么辐射度是渲染的核心量 - 曝光时间积分：$E_{sensor} = \int_0^T L(t) \, dt$ - 景深效应：孔径积分产生模糊 - HDR成像：扩展辐射度动态范围

5. 能量维度分析 - 检查单位的一致性：$[L] = \frac{[\Phi]}{[A][\omega]} = \frac{W}{m^2 \cdot sr}$ - 积分恢复功率：$\Phi = \int_A \int_{\Omega} L \cos\theta \, dA \, d\omega$ - 单位立体角的物理含义：1 sr ≈ 65.5°的圆锥角 - 全球立体角：$4\pi$ sr，半球 $2\pi$ sr - 小立体角近似：$\omega \approx \frac{A}{r^2}$ 当 $A \ll r^2$

6. 参与介质中的衰减 在参与介质（如雾、烟）中，辐射度会衰减： $$\frac{dL}{ds} = -\sigma_t L + \sigma_s L_{scattered} + L_{emitted}$$ 其中 $\sigma_t$ 是消光系数，$\sigma_s$ 是散射系数

传输方程的解： $$L(s) = L(0) e^{-\tau(s)} + \int_0^s \sigma_s L_{in}(s') e^{-\tau(s,s')} ds'$$ 其中光学厚度 $\tau(s) = \int_0^s \sigma_t(s') ds'$

相函数：$p(\omega_i \to \omega_o)$ 描述散射方向分布

• Rayleigh散射：小粒子，蓝天效应
• Mie散射：大粒子，云雾效应

8.1.3 立体角与投影立体角

立体角是三维空间中角度的推广，理解它对于正确处理方向积分至关重要。

立体角的几何意义

• 定义：从原点看某个表面张成的"角度大小"
• 单位：球面度（steradian, sr）
• 整个球面的立体角：$4\pi$ sr
• 半球的立体角：$2\pi$ sr
• 计算公式：$\omega = \frac{A}{r^2}$（球面上面积$A$除以半径平方）
• 平面角类比：2D中弧度 $\theta = \frac{s}{r}$，3D中立体角 $\omega = \frac{A}{r^2}$
• 直观理解：圆锥角 $\omega = 2\pi(1 - \cos\theta)$，其中 $\theta$ 是半角
• 单位立体角的物理尺度：1 sr ≈ 65.5°圆锥角，约占全球面的 $\frac{1}{4\pi} \approx 8\%$

立体角的拓扑结构

• 球面 $S^2$ 是二维流形，局部同胚于 $\mathbb{R}^2$
• 参数化奇点：球坐标在极点处退化（$\sin\theta = 0$）
• 替代参数化：立方体映射、八面体映射避免奇点
• Gauss-Bonnet定理：$\int_{S^2} K \, dA = 4\pi$（$K=1/r^2$ 是高斯曲率）

立体角的微分形式 在球坐标系 $(\theta, \phi)$ 中： $$d\omega = \sin\theta \, d\theta \, d\phi$$ 推导：球面上的微分面元

• 沿 $\theta$ 方向：$r \, d\theta$
• 沿 $\phi$ 方向：$r \sin\theta \, d\phi$（纬度圈半径为 $r\sin\theta$）
• 面积：$dA = r^2 \sin\theta \, d\theta \, d\phi$
• 立体角：$d\omega = \frac{dA}{r^2} = \sin\theta \, d\theta \, d\phi$

度量张量视角 球面上的度量张量： $$g = \begin{pmatrix} 1 & 0 \ 0 & \sin^2\theta \end{pmatrix}$$ 面积元素：$dA = \sqrt{\det(g)} \, d\theta \, d\phi = \sin\theta \, d\theta \, d\phi$

笛卡尔坐标表示： 对于方向向量 $\omega = (\omega_x, \omega_y, \omega_z)$：

• $\omega_x = \sin\theta\cos\phi$
• $\omega_y = \sin\theta\sin\phi$
• $\omega_z = \cos\theta$
• 约束：$\omega_x^2 + \omega_y^2 + \omega_z^2 = 1$

坐标转换的数值稳定性：

• 避免 $\arccos$ 的数值误差：使用 $\theta = \text{atan2}(\sqrt{\omega_x^2 + \omega_y^2}, \omega_z)$
• 处理 $\phi$ 的奇点：当 $\sin\theta \approx 0$ 时，$\phi$ 不确定
• 四元数表示：避免万向锁问题，用于旋转插值

• Rodrigues公式：旋转向量 $\mathbf{v}$ 绕轴 $\mathbf{k}$ 角度 $\theta$： $$\mathbf{v}_{rot} = \mathbf{v}\cos\theta + (\mathbf{k} \times \mathbf{v})\sin\theta + \mathbf{k}(\mathbf{k} \cdot \mathbf{v})(1-\cos\theta)$$ 半球积分 $$\int_{\Omega} d\omega = \int_0^{2\pi} \int_0^{\pi/2} \sin\theta \, d\theta \, d\phi = 2\pi \int_0^{\pi/2} \sin\theta \, d\theta = 2\pi[-\cos\theta]_0^{\pi/2} = 2\pi$$ 常见积分公式：

• 全球：$\int_{4\pi} d\omega = 4\pi$

• 圆锥：$\int_{\theta_0} d\omega = 2\pi(1 - \cos\theta_0)$
• 小立体角近似：$\Delta\omega \approx \sin\theta \Delta\theta \Delta\phi$
• 球冠（spherical cap）：高度 $h$ 的球冠立体角 $\omega = 2\pi h/r$
• 椭圆锥：需要椭圆积分，无闭式解
• 任意多边形：使用 Girard's theorem，$\omega = \sum_i \alpha_i - (n-2)\pi$

特殊函数与立体角：

• Legendre多项式展开：$f(\theta) = \sum_{l=0}^{\infty} a_l P_l(\cos\theta)$
• 球谐函数：$Y_l^m(\theta, \phi)$ 构成 $L^2(S^2)$ 的正交基
• Zonal harmonics：旋转对称函数 $f(\theta) = \sum_l a_l P_l(\cos\theta)$
• 快速球谐变换：$O(N^2\log N)$ 算法

投影立体角（Projected Solid Angle） $$d\omega^\perp = \cos\theta \, d\omega = \cos\theta \sin\theta \, d\theta \, d\phi$$ 物理意义：

• 考虑了表面法线与入射方向的夹角
• Lambert余弦定律的体现
• 垂直入射的贡献最大，掠射角贡献趋于零
• 几何解释：在法线方向投影的立体角

投影立体角的不变量：

• 形状因子（Form Factor）的互易性：$F_{ij} A_i = F_{ji} A_j$
• Nusselt类比：投影立体角 = 半球上的"有效面积"
• 守恒定律：封闭系统中 $\sum_j F_{ij} = 1$

微分几何视角：

• 投影算子：$\mathcal{P}_\mathbf{n} = I - \mathbf{n}\mathbf{n}^T$
• 立体角的外微分：$d\omega = \frac{\mathbf{r} \cdot d\mathbf{A}}{r^3}$
• Stokes定理应用：$\oint_{\partial S} \mathbf{v} \cdot d\mathbf{l} = \int_S (\nabla \times \mathbf{v}) \cdot d\mathbf{A}$

应用场景：

• 辐照度计算：$E = \int_{\Omega} L \cos\theta \, d\omega = \int_{\Omega} L \, d\omega^\perp$
• 形状因子（Form Factor）计算
• 半球采样权重

关键积分结果

1. 半球上的投影立体角积分： $$\int_{\Omega} \cos\theta \, d\omega = \int_0^{2\pi} \int_0^{\pi/2} \cos\theta \sin\theta \, d\theta \, d\phi = \pi$$ 推导过程： $$\int_0^{\pi/2} \cos\theta \sin\theta \, d\theta = \int_0^{\pi/2} \frac{1}{2}\sin(2\theta) \, d\theta = \frac{1}{2}$$ 几何意义：半球在其底面的投影面积为 $\pi r^2$，除以 $r^2$ 得 $\pi$

变分原理：最大化 $\int f(\theta) \cos\theta \, d\omega$ 的分布是 $\delta(\theta)$（法线方向）

2. 余弦的$n$次方积分（用于BRDF分析）： $$\int_{\Omega} \cos^n\theta \, d\omega = \frac{2\pi}{n+1}$$ 推导：使用Beta函数 $$\int_0^{\pi/2} \cos^n\theta \sin\theta \, d\theta = \int_0^1 u^n \, du = \frac{1}{n+1}$$ 特例：

• $n=0$: $2\pi$ （半球立体角）
• $n=1$: $\pi$ （投影立体角）
• $n=2$: $\frac{2\pi}{3}$ （Phong模型常用）
• $n \to \infty$: $0$ （完美镜面）

一般化： $$\int_{\Omega} \cos^m\theta \sin^n\theta \, d\omega = \frac{\pi B(\frac{m+1}{2}, \frac{n+1}{2})}{B(\frac{1}{2}, \frac{1}{2})}$$ 其中 $B$ 是Beta函数

3. 立体角与面积的转换： $$d\omega = \frac{\cos\theta' \, dA'}{||\mathbf{p} - \mathbf{p}'||^2}$$ 其中 $\theta'$ 是 $\mathbf{p}'$ 处表面法线与连线的夹角

双向形式： $$dA \, d\omega = \frac{\cos\theta \cos\theta' \, dA \, dA'}{||\mathbf{p} - \mathbf{p}'||^2}$$ 几何因子的完整形式： $$G(\mathbf{p} \leftrightarrow \mathbf{p}') = \frac{\cos\theta \cos\theta'}{||\mathbf{p} - \mathbf{p}'||^2} V(\mathbf{p} \leftrightarrow \mathbf{p}')$$ 退化情况处理：

• $\theta' > \pi/2$：背向，$G = 0$
• $||\mathbf{p} - \mathbf{p}'|| \to 0$：需要正则化
• 共面情况：$\cos\theta = 0$ 或 $\cos\theta' = 0$

实际应用

• 辐照度计算：$E = \int_{\Omega} L_i \cos\theta \, d\omega$
• 环境贴图采样：需要考虑 $\sin\theta$ 项进行重要性采样
• 纬度-经度映射：$(u,v) \to (\theta,\phi) = (\pi v, 2\pi u)$
• PDF转换：$p(\theta,\phi) = \frac{p(u,v)}{2\pi^2 \sin\theta}$
• 立方体贴图：避免极点奇异性，6个面均匀采样
• 八面体映射：更均匀的采样分布
• 面光源采样：从立体角域转换到面积域进行采样
• 均匀采样面积：$p_A = 1/A_{light}$
• 转换到立体角：$p_\omega = p_A \cdot \frac{r^2}{\cos\theta'}$
• 球面光源：直接在立体角域采样更高效
• 线性变换光源（Linearly Transformed Cosines）：解析积分
• 半球均匀采样：
• 随机变量：$(\xi_1, \xi_2) \in [0,1]^2$
• 转换：$\theta = \arccos(\xi_1)$, $\phi = 2\pi\xi_2$
• PDF: $p(\omega) = 1/(2\pi)$
• 余弦加权采样：
• 转换：$\theta = \arcsin(\sqrt{\xi_1})$, $\phi = 2\pi\xi_2$
• PDF: $p(\omega) = \cos\theta/\pi$
• Malley's method：在单位圆盘采样后投影到半球

高级采样技术：

• 球面分层采样：将球面划分为等面积区域
• 螺旋采样：Fibonacci螺旋提供准均匀分布
• 球面Voronoi图：最优传输理论应用
• 蓝噪声采样：改善视觉质量，减少聚集

8.1.4 BRDF与反射方程

双向反射分布函数（Bidirectional Reflectance Distribution Function, BRDF）是描述表面反射特性的核心概念。

BRDF的定义 $$f_r(\omega_i \to \omega_o) = \frac{dL_o(\omega_o)}{dE(\omega_i)} = \frac{dL_o(\omega_o)}{L_i(\omega_i) \cos\theta_i \, d\omega_i}$$ 物理解释：

• 入射辐照度引起的出射辐射度变化率
• 单位：$1/sr$（因为 $[L]/[E] = [W/(m^2 \cdot sr)]/[W/m^2] = 1/sr$）
• 描述了材质的反射特性，与几何形状无关
• 局部线性假设：输出正比于输入（在线性光学范围内）

微观解释：

• BRDF描述大量微观交互的统计平均
• 微表面模型提供物理基础
• 波长依赖性：$f_r(\omega_i \to \omega_o, \lambda)$
• 空间变化：Spatially Varying BRDF (SVBRDF): $f_r(\mathbf{x}, \omega_i \to \omega_o)$

散射理论视角：

• 光子与表面的散射截面：$\sigma(\omega_i \to \omega_o)$
• BRDF与散射截面的关系：$f_r = \frac{\sigma}{\cos\theta_i}$
• 量子力学解释：电子跃迁和光子重新发射

一般化到BSDF：

• BSDF = BRDF + BTDF（双向散射分布函数）
• BSSRDF：次表面散射，$S(\mathbf{x}_i, \omega_i \to \mathbf{x}_o, \omega_o)$
• 各向异性：$f_r(\theta_i, \phi_i \to \theta_o, \phi_o)$ 需要完整的4D函数

BRDF的基本性质

1. 非负性：$f_r(\omega_i \to \omega_o) \geq 0$ - 物理意义：能量不能为负 - 数学结果：正定算子

2. Helmholtz互易性（Reciprocity）： $$f_r(\omega_i \to \omega_o) = f_r(\omega_o \to \omega_i)$$

• 物理基础：时间反演对称性
• 实际意义：光路可逆
• 应用：双向路径追踪中路径权重计算
• 注意：磁光效应下不成立（非互易材料）
• 实验验证：使用测角光度计交换入射和观察方向

3. 能量守恒（Energy Conservation）： $$\rho(\omega_i) = \int_{\Omega^+} f_r(\omega_i \to \omega_o) \cos\theta_o \, d\omega_o \leq 1$$

• 反射的能量不能超过入射能量
• 等号成立：完美反射（如理想镜面）
• 小于1：部分能量被吸收
• 方向半球反射率：$\rho(\omega_i)$ 依赖于入射方向
• 半球-半球反射率：$\bar{\rho} = \frac{1}{\pi}\int_{\Omega^+} \rho(\omega_i) \cos\theta_i \, d\omega_i$

白炉测试： 在均匀入射照明下，出射辐射度应等于入射辐射度： $$L_o = \int_{\Omega^+} f_r \cdot L_i \cos\theta_i \, d\omega_i = L_i \int_{\Omega^+} f_r \cos\theta_i \, d\omega_i \leq L_i$$ 广义互易性： $$\rho(\omega_o) = \int_{\Omega^+} f_r(\omega_i \to \omega_o) \cos\theta_i \, d\omega_i$$ 由于Helmholtz互易性，$\rho(\omega_o) = \rho(\omega_i)$ 当交换角色

4. 线性性： - BRDF对入射光强度是线性的 - 允许叠加原理的应用 - 多光源：$L_o = \sum_k \int f_r L_{i,k} \cos\theta_i \, d\omega_i$ - 傅立叶分解：可以在频域分析BRDF

5. 各向同性 vs 各向异性： - 各向同性：BRDF不依赖于旋转角 $\phi$

   • 简化：$f_r(\theta_i, \theta_o, |\phi_i - \phi_o|)$
   • 参数化：3D函数而非4D
   • 各向异性：如拉丝金属、织物、木材纹理
   • Ward模型：椭圆高斯分布
   • 切线空间参数化：使用局部坐标系

6. 正定性： - 作为算子，BRDF必须是正定的 - 保证积分方程的解存在且唯一

常见BRDF模型

1. Lambertian（漫反射）： $$f_r = \frac{\rho}{\pi}$$

• $\rho$：反射率（albedo），$0 \leq \rho \leq 1$
• 各向同性，与方向无关
• 能量守恒验证：$\int_{\Omega} \frac{\rho}{\pi} \cos\theta \, d\omega = \rho$
• 典型材质：石膏、粗糙纸张、未抛光的石头
• 为什么除以$\pi$：保证 $\int \cos\theta \, d\omega = \pi$ 后总反射率为 $\rho$
• 物理基础：完全粗糙表面，微表面法线均匀分布
• 局限性：真实世界中没有完美的Lambertian表面

2. 理想镜面反射： $$f_r(\omega_i \to \omega_o) = \frac{\delta(\omega_i - R(\omega_o))}{\cos\theta_i}$$

• $R(\omega_o)$：反射方向 $R(\omega_o) = 2(\mathbf{n} \cdot \omega_o)\mathbf{n} - \omega_o$
• 使用Dirac delta函数表示
• 积分后：$L_o(\omega_o) = L_i(R(\omega_o))$
• 实际实现：显式跟踪镜面反射，而非采样
• Fresnel项：$F(\omega_i, \mathbf{n})$ 描述反射比例
• 完整形式：$f_r = \frac{F(\omega_i, \mathbf{n})\delta(\omega_i - R(\omega_o))}{\cos\theta_i}$

3. Phong模型（经验模型）： $$f_r = \frac{k_d}{\pi} + k_s \frac{n+2}{2\pi} \cos^n\alpha$$

• $\alpha$：反射方向与视线方向的夹角
• $n$：光泽度指数（典型值：5-1000）
• 注意：不满足能量守恒
• 修正的Phong：使用半向量 $\mathbf{h}$ 代替反射向量
• 归一化因子 $\frac{n+2}{2\pi}$ 保证积分为1

Blinn-Phong模型： $$f_r = \frac{k_d}{\pi} + k_s \frac{n+8}{8\pi} (\mathbf{n} \cdot \mathbf{h})^n$$

• 半向量：$\mathbf{h} = \frac{\omega_i + \omega_o}{||\omega_i + \omega_o||}$
• 更物理正确，计算更高效
• 与微表面模型的联系：$D(\mathbf{h}) \propto (\mathbf{n} \cdot \mathbf{h})^n$

4. 微表面模型（Microfacet）： $$f_r = \frac{D(\mathbf{h}) G(\omega_i, \omega_o) F(\omega_i, \mathbf{h})}{4 \cos\theta_i \cos\theta_o}$$

• $D$：法线分布函数（如GGX）
• $G$：几何遮蔽函数
• $F$：Fresnel项
• $\mathbf{h}$：半向量 $\mathbf{h} = \frac{\omega_i + \omega_o}{||\omega_i + \omega_o||}$

法线分布函数$D$：

• GGX/Trowbridge-Reitz: $D(\mathbf{h}) = \frac{\alpha^2}{\pi((\mathbf{n} \cdot \mathbf{h})^2(\alpha^2 - 1) + 1)^2}$
  • 长尾分布，更真实的高光
  • 参数转换：$\alpha = \text{roughness}^2$
• Beckmann: $D(\mathbf{h}) = \frac{1}{\pi\alpha^2\cos^4\theta_h} e^{-\frac{\tan^2\theta_h}{\alpha^2}}$
  • 基于高斯统计
  • 计算更复杂，但物理基础清晰
• $\alpha$：粗糙度参数

几何遮蔽函数$G$：

• Smith G函数：$G(\omega_i, \omega_o) = G_1(\omega_i) G_1(\omega_o)$
• $G_1$的GGX形式：$G_1(\omega) = \frac{2(\mathbf{n} \cdot \omega)}{(\mathbf{n} \cdot \omega) + \sqrt{\alpha^2 + (1-\alpha^2)(\mathbf{n} \cdot \omega)^2}}$
• 高度相关形式：考虑遮蔽-阴影相关性

Fresnel项$F$：

• Schlick近似：$F(\omega, \mathbf{h}) = F_0 + (1-F_0)(1-\omega \cdot \mathbf{h})^5$
• $F_0$：垂直入射时的反射率
• 完整Fresnel方程：需要复折射率

为什么除以4：

• 来自雅可比行列式的转换
• $\frac{\partial \omega_h}{\partial \omega_o} = \frac{1}{4(\omega_i \cdot \mathbf{h})}$
• 保证从半向量分布到BRDF的正确映射

反射方程（Reflection Equation） $$L_o(\mathbf{p}, \omega_o) = L_e(\mathbf{p}, \omega_o) + \int_{\Omega^+} f_r(\mathbf{p}, \omega_i \to \omega_o) L_i(\mathbf{p}, \omega_i) \cos\theta_i \, d\omega_i$$ 各项含义：

• $L_e$：自发光项（emission）
• $L_i$：入射辐射度
• $\cos\theta_i$：Lambert余弦项，几何因子
• 积分域 $\Omega^+$：上半球

分层材质模型：

• 漫反射层 + 镜面层：$f_r = f_{diffuse} + f_{specular}$
• 能量分配：使用Fresnel项调节
• Disney BRDF：基于艺术家友好的参数
• 分层模型的互易性：每层单独满足

BRDF的测量与存储

• 测量设备：测角光度计（gonioreflectometer）
• 机械臂系统：精确控制入射和观察角度
• 图像基的测量：使用相机和球面光源
• 时间成本：完整测量一个材质需要数小时
• 存储挑战：4D函数（2D入射 + 2D出射）
• 离散化：$90 \times 90 \times 180 \times 360$ 网格
• 内存需求：每个材质约100MB
• 压缩方法：
• 球谐函数：$f_r \approx \sum_{l,m} a_{lm} Y_l^m$
• 小波分解：多分辨率表示
• 因子分解：$f_r \approx \sum_k u_k(\omega_i) v_k(\omega_o)$
• 神经网络：学习压缩表示
• 数据库：
• MERL BRDF：100种材质，各向同性
• UTIA BTF：包含空间变化
• RGL BRDF：包含各向异性材料

BRDF的未来研究方向：

• 波动光学BRDF：考虑干涉和衍射
• 时变BRDF：模拟老化和风化
• 参与介质BSSRDF：次表面散射
• 量子光学效应：超表面和纳米材料

8.2 渲染方程

8.2.1 渲染方程的推导

Kajiya在1986年提出的渲染方程统一了计算机图形学中的光照计算，是全局光照的数学基础。这个方程的美在于它用简洁的数学形式捕捉了光传输的复杂性。

从局部到全局的演进

1. 局部光照模型（只考虑直接光照）： $$L_o = L_e + \sum_{\text{lights}} f_r \cdot L_{light} \cdot \cos\theta_i$$ 历史背景：

• 1967年 Phong模型
• 1975年 Blinn-Phong改进
• 足以处理实时渲染，但缺乏真实感

2. 问题：忽略了间接光照 - 没有软阴影 - 没有颜色渗透（color bleeding） - 没有镜面间接反射 - 没有焦散（caustics） - 没有环境光遮蔽（ambient occlusion）

3. 关键洞察：入射辐射度来自其他表面的出射辐射度 $$L_i(\mathbf{p}, \omega_i) = L_o(\mathbf{p}', -\omega_i)$$ 其中：

• $\mathbf{p}'$ 是射线 $(\mathbf{p}, \omega_i)$ 的第一个交点
• 射线追踪函数：$\mathbf{p}' = \text{raycast}(\mathbf{p}, \omega_i)$
• 负号表示方向反转（从 $\mathbf{p}'$ 指向 $\mathbf{p}$）

光线传播的拓扑性质：

• 光线是相空间中的流线
• 在非均匀介质中弯曲（海市蜃楼效应）
• 在引力场中弯曲（广义相对论）

完整的渲染方程

将入射辐射度的表达式代入反射方程： $$L_o(\mathbf{p}, \omega_o) = L_e(\mathbf{p}, \omega_o) + \int_{\Omega^+} f_r(\mathbf{p}, \omega_i \to \omega_o) L_o(\mathbf{p}', -\omega_i) \cos\theta_i \, d\omega_i$$ 这是一个递归积分方程：

• 未知量 $L_o$ 同时出现在方程两边
• 在不同位置和方向上相互耦合
• 解析求解几乎不可能

数学性质：

• 这是Fredholm第二类积分方程
• 解的存在性和唯一性由Banach不动点定理保证
• 收敛条件：平均反射率 < 1

物理意义：

• 表达了光的多次反射
• 统一了各种光照现象
• 是能量守恒的数学体现

边界条件

1. 真空/环境：$L_o = L_{env}(\omega_o)$ - 无限远处的环境光 - HDR环境贴图 - 天空模型（如Hosek-Wilkie）

2. 光源表面：$L_e > 0$ - 面光源：均匀或空间变化的发射 - 温度辐射：Planck定律 - IES光源数据

3. 非发光表面：$L_e = 0$ - 绝大多数物体属于此类 - 但可能有荧光效应

4. 参与介质边界： - 需要考虑体积散射 - 辐射传输方程（RTE）

简化形式

定义反射算子 $\mathcal{T}$： $$(\mathcal{T}L)(\mathbf{p}, \omega_o) = \int_{\Omega^+} f_r(\mathbf{p}, \omega_i \to \omega_o) L(\mathbf{p}', -\omega_i) \cos\theta_i \, d\omega_i$$ 渲染方程变为： $$L = L_e + \mathcal{T}L$$ 这是Fredholm第二类积分方程的一个实例。

历史上的其他形式：

• 辐射度方程（Radiosity）：漫反射表面的特例
• 体积渲染方程：包含参与介质
• 波动方程：考虑干涉和衍射

8.2.2 积分算子形式

渲染方程可以使用算子理论进行分析，这提供了深入的数学洞察和求解方法。这种形式化不仅优雅，而且为数值方法提供了理论基础。

光传输算子的定义

定义算子 $\mathcal{K}$： $$(\mathcal{K}L)(\mathbf{p}, \omega) = \int_{\Omega^+} f_r(\mathbf{p}, \omega_i \to \omega) L(\mathbf{p}', -\omega_i) \cos\theta_i \, d\omega_i$$ 这是一个线性算子：

• $\mathcal{K}(aL_1 + bL_2) = a\mathcal{K}L_1 + b\mathcal{K}L_2$
• 作用于函数空间 $L^2(\mathcal{M} \times S^2)$
• 是紧算子（compact operator）在适当条件下

函数空间的选择：

• $L^2$：平方可积，适合能量分析
• $L^\infty$：有界函数，适合最大值分析
• Sobolev空间：考虑光滑性

算子方程

渲染方程可写为： $$L = L_e + \mathcal{K}L$$ 或等价地： $$(I - \mathcal{K})L = L_e$$ 其中 $I$ 是恒等算子。

Neumann级数解

形式解为： $$L = (I - \mathcal{K})^{-1}L_e = \sum_{n=0}^{\infty} \mathcal{K}^n L_e$$ 收敛条件：谱半径 $\rho(\mathcal{K}) < 1$

• 物理意义：平均反射率小于1
• 保证能量最终衰减为零

收敛速度分析：

• 几何收敛：$||\mathcal{K}^n|| \leq \rho(\mathcal{K})^n$
• 实际场景：$\rho(\mathcal{K}) \approx 0.5-0.8$
• 3-5次迭代后误差 < 1%

谱分解：

• 特征函数：$\mathcal{K}\phi_i = \lambda_i \phi_i$
• 展开：$L = \sum_i \frac{\langle L_e, \phi_i \rangle}{1-\lambda_i} \phi_i$
• 主特征值决定收敛性

物理解释

每一项的含义：

• $\mathcal{K}^0 L_e = L_e$：直接看到光源
• $\mathcal{K}^1 L_e$：一次反射（直接光照）
• $\mathcal{K}^2 L_e$：二次反射（一次间接光照）
• $\mathcal{K}^n L_e$：$n$次反射

这也解释了为什么：

• 直接光照通常最亮
• 随着反射次数增加，贡献逐渐减小
• 大多数场景3-5次反射后可以忽略

不同场景的反射次数：

• 室外场景：2-3次通常足够
• 室内场景：5-10次可能需要
• 焦散效果：可能需要更多

能量分布统计：

• 直接光照：60-80%
• 一次间接：15-30%
• 高次间接：< 10%

算子的核函数表示

$\mathcal{K}$ 可以用核函数表示： $$K(\mathbf{p} \to \mathbf{p}', \omega \to \omega') = f_r(\mathbf{p}, \omega' \to \omega) \cos\theta' G(\mathbf{p} \leftrightarrow \mathbf{p}') \delta(\omega' - \omega_{\mathbf{p} \to \mathbf{p}'})$$ 其中：

• $G(\mathbf{p} \leftrightarrow \mathbf{p}')$：几何因子
• $\delta$：Dirac delta函数，确保方向一致

核函数的性质：

• 对称性（由于互易性）：$K(\mathbf{p} \to \mathbf{p}', \omega \to \omega') = K(\mathbf{p}' \to \mathbf{p}, \omega' \to \omega)$
• 正定性：$K \geq 0$
• 可积性：$\int \int K < \infty$ 在适当条件下

离散化的核矩阵：

• 有限元方法：$K_{ij} = \langle \phi_i, \mathcal{K}\phi_j \rangle$
• 矩阵大小：$N^2$，其中$N$是基函数个数
• 稀疏性：利用可见性和距离衰减

迭代求解方法

1. 固定点迭代： $$L^{(k+1)} = L_e + \mathcal{K}L^{(k)}$$

2. Jacobi迭代： $$L^{(k+1)} = L_e + \mathcal{K}L^{(k)}$$

3. Gauss-Seidel迭代： 更新时立即使用新值

与有限元方法的联系

离散化后，渲染方程变为线性系统： $$(I - K)L = L_e$$ 其中 $K$ 是离散化的传输矩阵。

8.2.3 路径积分形式

路径积分提供了另一种理解渲染方程的视角，将光线传输看作路径的集合。

路径空间的定义

一条长度为 $k$ 的路径： $$\bar{x} = \mathbf{x}_0 \mathbf{x}_1 ... \mathbf{x}_k$$ 其中：

• $\mathbf{x}_0$：相机位置
• $\mathbf{x}_k$：光源上的点
• $\mathbf{x}_1, ..., \mathbf{x}_{k-1}$：中间的反射点

路径空间： $$\Omega = \bigcup_{k=2}^{\infty} \mathcal{M}^{k+1}$$ 路径贡献函数

一条路径的贡献： $$f(\bar{x}) = L_e(\mathbf{x}_k \to \mathbf{x}_{k-1}) \prod_{i=1}^{k-1} f_r(\mathbf{x}_{i+1} \to \mathbf{x}_i \to \mathbf{x}_{i-1}) G(\mathbf{x}_i \leftrightarrow \mathbf{x}_{i+1})$$ 分解：

1. 发射项：$L_e(\mathbf{x}_k \to \mathbf{x}_{k-1})$
2. BRDF链：$\prod f_r$，每个反射点的BRDF
3. 几何链：$\prod G$，点之间的几何关系

几何因子的详细分析 $$G(\mathbf{x} \leftrightarrow \mathbf{y}) = \frac{\cos\theta_x \cos\theta_y}{||\mathbf{x} - \mathbf{y}||^2} V(\mathbf{x} \leftrightarrow \mathbf{y})$$ 组成部分：

1. 余弦项：$\cos\theta_x \cos\theta_y$ - $\theta_x$：$\mathbf{x}$ 处法线与连线的夹角 - 体现Lambert定律

2. 距离衰减：$1/r^2$ - 球面波的几何扩散 - 能量守恒的体现

3. 可见性：$V(\mathbf{x} \leftrightarrow \mathbf{y}) \in {0, 1}$ - 1：两点互相可见 - 0：存在遮挡

渲染方程的路径积分形式 $$L(\mathbf{x}_0 \to \mathbf{x}_1) = \sum_{k=2}^{\infty} \int_{\mathcal{M}^{k-1}} f(\mathbf{x}_0 \mathbf{x}_1 ... \mathbf{x}_k) \, dA(\mathbf{x}_2) ... dA(\mathbf{x}_k)$$ 这是对所有可能路径的积分：

• 外层求和：对所有路径长度
• 内层积分：对所有路径配置

路径分类（Heckbert记法）

用正则表达式描述路径类型：

• L：光源
• E：相机（眼睛）
• S：镜面反射/折射
• D：漫反射

例子：

• L(D|S)*E：所有路径
• LDE：直接光照
• L(D|S)SE：焦散
• LSDSE：镜面间接光照

测度论视角

路径空间上的测度： $$d\mu(\bar{x}) = dA(\mathbf{x}_0) ... dA(\mathbf{x}_k)$$ 渲染的目标是计算： $$I = \int_{\Omega} f(\bar{x}) \, d\mu(\bar{x})$$ 这为蒙特卡洛方法提供了理论基础。

8.2.4 测度变换

在渲染中，经常需要在不同的积分域之间转换。理解测度变换对于正确实现重要性采样至关重要。

立体角到面积的变换

基本关系： $$d\omega = \frac{\cos\theta' \, dA'}{||\mathbf{p} - \mathbf{p}'||^2}$$ 推导：

1. 从 $\mathbf{p}$ 看 $dA'$ 张成的立体角
2. 投影面积：$dA' \cos\theta'$（$\theta'$ 是 $\mathbf{p}'$ 处的角度）
3. 立体角 = 投影面积 / 距离平方

面积形式的渲染方程

将测度变换应用于渲染方程： $$L_o(\mathbf{p}, \omega_o) = L_e(\mathbf{p}, \omega_o) + \int_{\mathcal{M}} f_r(\mathbf{p}, \mathbf{p}' \to \omega_o) L_o(\mathbf{p}', \mathbf{p} - \mathbf{p}') G(\mathbf{p} \leftrightarrow \mathbf{p}') \, dA'$$ 这里几何因子 $G$ 包含了测度变换的所有项。

其他常见的测度变换

1. 球面坐标到笛卡尔坐标： $$d\omega = \sin\theta \, d\theta \, d\phi$$ 对应的向量： $$\omega = (\sin\theta\cos\phi, \sin\theta\sin\phi, \cos\theta)$$

2. 半球均匀采样到余弦加权采样： - 均匀采样：$p(\omega) = 1/(2\pi)$ - 余弦加权：$p(\omega) = \cos\theta/\pi$ - Jacobian：$\frac{\cos\theta/\pi}{1/(2\pi)} = 2\cos\theta$

3. 光源采样的测度变换： - 在光源表面采样：$p_A(\mathbf{x}) = 1/A_{light}$ - 转换到立体角：$p_\omega(\omega) = \frac{r^2}{A_{light}\cos\theta_{light}}$

变换的雅可比行列式

一般的变量替换公式： $$p_Y(y) = p_X(x) \left|\frac{\partial x}{\partial y}\right|$$ 多维情况： $$p_Y(\mathbf{y}) = p_X(\mathbf{x}) \left|\det\left(\frac{\partial \mathbf{x}}{\partial \mathbf{y}}\right)\right|$$ 实际应用中的陷阱

1. 忘记余弦项： - 错误：$p_\omega = \frac{r^2}{A}$ - 正确：$p_\omega = \frac{r^2}{A\cos\theta}$

2. 双重计算几何项： - 错误：在BRDF和测度变换中都包含 $\cos\theta$ - 正确：明确区分哪些项属于BRDF，哪些属于测度变换

3. 正负号错误： - 注意法线方向和光线方向的关系 - 使用 $|\cos\theta|$ 或确保角度在 $[0, \pi/2]$

8.3 蒙特卡洛积分与路径追踪

渲染方程是一个高维积分方程，解析求解几乎不可能。蒙特卡洛方法提供了数值求解的框架。

8.3.1 蒙特卡洛积分基础

对于积分 $I = \int_{\Omega} f(x) \, dx$，蒙特卡洛估计量为： $$\langle I \rangle = \frac{1}{N} \sum_{i=1}^{N} \frac{f(X_i)}{p(X_i)}$$ 其中 $X_i \sim p(x)$ 是从概率密度函数 $p(x)$ 采样的随机变量。

期望与方差：

• 期望：$E[\langle I \rangle] = I$（无偏估计）
• 方差：$V[\langle I \rangle] = \frac{1}{N} V\left[\frac{f(X)}{p(X)}\right]$

收敛速度：误差以 $O(1/\sqrt{N})$ 的速度收敛，与维度无关。

8.3.2 重要性采样

选择合适的概率密度函数 $p(x)$ 可以显著降低方差。理想情况下： $$p(x) \propto |f(x)|$$ 对于渲染，常用的采样策略包括：

1. 余弦加权采样：$p(\omega) \propto \cos\theta$
2. BRDF采样：$p(\omega) \propto f_r(\omega_i \to \omega_o)$
3. 光源采样：直接在光源上采样
4. 多重重要性采样（MIS）：组合多种采样策略

8.3.3 路径追踪算法

基本路径追踪通过递归求解渲染方程：

radiance(ray):
    hit = intersect(ray, scene)
    if not hit:
        return background

    L_e = hit.emission

    // 直接光照
    L_d = sample_direct_lighting(hit)

    // 间接光照（俄罗斯轮盘赌）
    if random() < P_rr:
        wi, pdf = sample_brdf(hit)
        L_i = radiance(spawn_ray(hit, wi))
        L_indirect = f_r * L_i * cos(theta) / (pdf * P_rr)
    else:
        L_indirect = 0

    return L_e + L_d + L_indirect

8.3.4 俄罗斯轮盘赌

为了得到无偏估计同时避免无限递归，使用俄罗斯轮盘赌： $$L = \begin{cases} \frac{L_{continue}}{P_{rr}} & \text{以概率 } P_{rr} \ 0 & \text{以概率 } 1-P_{rr} \end{cases}$$ 期望值保持不变：$E[L] = P_{rr} \cdot \frac{L_{continue}}{P_{rr}} = L_{continue}$

8.3.5 直接光照采样

对于面光源，可以直接在光源表面采样： $$L_d = \int_{A_{light}} f_r(\omega_i \to \omega_o) L_e \cos\theta_i \frac{\cos\theta_{light}}{||\mathbf{x} - \mathbf{x}_{light}||^2} V(\mathbf{x} \leftrightarrow \mathbf{x}_{light}) \, dA_{light}$$ 采样策略：

1. 在光源表面均匀采样：$p(x_{light}) = 1/A_{light}$
2. 转换为立体角域的pdf：$p(\omega) = \frac{||\mathbf{x} - \mathbf{x}_{light}||^2}{A_{light} \cos\theta_{light}}$

8.3.6 多重重要性采样（MIS）

当有多种采样策略时，MIS提供了组合它们的最优方式。平衡启发式权重： $$w_i(x) = \frac{p_i(x)}{\sum_j p_j(x)}$$ 功率启发式（通常效果更好）： $$w_i(x) = \frac{p_i^2(x)}{\sum_j p_j^2(x)}$$ 组合估计量： $$\langle I \rangle = \sum_i \frac{1}{n_i} \sum_{j=1}^{n_i} w_i(X_{ij}) \frac{f(X_{ij})}{p_i(X_{ij})}$$

8.3.7 路径空间的测度

在路径空间中，一条长度为 $k$ 的路径的概率密度为： $$p(\bar{x}) = p(\mathbf{x}_0) \prod_{i=1}^{k} p(\mathbf{x}_i | \mathbf{x}_{i-1})$$ 面积测度下的转换： $$p(\mathbf{x}_i | \mathbf{x}_{i-1}) = p(\omega_i) \frac{\cos\theta_i}{||\mathbf{x}_i - \mathbf{x}_{i-1}||^2}$$

8.3.8 双向路径追踪

双向路径追踪（BDPT）从相机和光源同时追踪路径，然后连接它们：

1. 从相机追踪子路径：$\mathbf{x}_0, \mathbf{x}_1, ..., \mathbf{x}_s$
2. 从光源追踪子路径：$\mathbf{y}_0, \mathbf{y}_1, ..., \mathbf{y}_t$
3. 连接策略：连接 $\mathbf{x}_s$ 和 $\mathbf{y}_t$ 形成完整路径

对于每种连接策略 $(s,t)$，使用MIS组合所有可能的路径。

8.3.9 渐进式光子映射

光子映射是另一种全局光照算法，特别适合处理焦散等效果：

1. 光子发射阶段：从光源发射光子，在场景中追踪并存储
2. 密度估计：使用k近邻搜索估计辐射度 $$L(\mathbf{x}, \omega) \approx \frac{1}{\pi r^2} \sum_{p \in N_k(\mathbf{x})} f_r(\omega_p \to \omega) \Phi_p$$ 渐进式改进：

• 逐步缩小搜索半径：$r_{i+1} = r_i \sqrt{\frac{i}{i+1}}$
• 保证渐近无偏和一致性收敛

本章小结

核心概念：

1. 辐射度量学提供了描述光传输的物理框架

2. 渲染方程是全局光照的数学基础： $$L_o = L_e + \int_{\Omega} f_r L_i \cos\theta_i \, d\omega_i$$

3. 蒙特卡洛方法提供了数值求解高维积分的框架

4. 路径追踪通过递归采样求解渲染方程

关键公式：

• 辐射度定义：$L = \frac{d^2\Phi}{dA \cos\theta \, d\omega}$
• BRDF定义：$f_r = \frac{dL_o}{dE_i}$
• 蒙特卡洛估计：$\langle I \rangle = \frac{1}{N} \sum_{i=1}^{N} \frac{f(X_i)}{p(X_i)}$
• MIS权重：$w_i(x) = \frac{p_i^2(x)}{\sum_j p_j^2(x)}$

算法要点：

• 重要性采样降低方差
• 俄罗斯轮盘赌保证无偏性
• 直接光照采样提高效率
• 多重重要性采样组合多种策略

练习题

基础题

练习8.1：证明辐射度在真空中沿光线传播时保持不变。

练习8.2：推导Lambertian BRDF $f_r = \rho/\pi$ 满足能量守恒的条件。

练习8.3：计算均匀采样半球方向时，估计器 $\frac{\cos\theta}{p(\omega)}$ 的方差。

挑战题

练习8.4：设计一个采样策略，同时考虑BRDF和入射光照分布，并推导相应的pdf。

练习8.5：分析路径追踪中不同长度路径的相对贡献，假设场景中材质的平均反射率为 $\bar{\rho}$。

练习8.6：推导双向路径追踪中，长度为 $k$ 的路径有多少种不同的采样策略，并分析每种策略的效率。

常见陷阱与错误

1. 辐射度单位混淆 - 错误：将辐照度（W/m²）与辐射度（W/(m²·sr)）混淆 - 正确：明确区分不同辐射度量及其物理意义

2. BRDF归一化 - 错误：假设 $\int f_r d\omega = 1$ - 正确：能量守恒要求 $\int f_r \cos\theta_o d\omega_o \leq 1$

3. 概率密度转换 - 错误：直接使用立体角域的pdf进行面积采样 - 正确：$p_A = p_\omega \frac{r^2}{\cos\theta}$

4. 俄罗斯轮盘赌偏差 - 错误：不除以继续概率 $P_{rr}$ - 正确：必须除以 $P_{rr}$ 保证无偏

5. MIS权重计算 - 错误：只考虑当前采样策略的pdf - 正确：需要评估所有可能策略的pdf

6. 数值精度问题 - 错误：在接近零的pdf处评估 - 正确：添加小的epsilon避免除零

最佳实践检查清单

算法实现

• [ ] 验证BRDF满足互易性和能量守恒
• [ ] 正确实现概率密度的测度转换
• [ ] 使用俄罗斯轮盘赌时保证无偏性
• [ ] 实现鲁棒的光线-物体相交，处理数值误差

采样策略

• [ ] 针对不同BRDF类型实现专门的采样方法
• [ ] 实现直接光照采样提高收敛速度
• [ ] 使用多重重要性采样组合多种策略
• [ ] 根据材质属性自适应调整俄罗斯轮盘赌概率

优化技巧

• [ ] 实现高效的光源采样（如别名方法）
• [ ] 使用空间数据结构加速光线求交
• [ ] 实现路径重用技术（如光子映射）
• [ ] 考虑使用准蒙特卡洛序列

验证与调试

• [ ] 实现白炉测试验证能量守恒
• [ ] 使用解析解验证简单场景
• [ ] 实现可视化工具调试采样分布
• [ ] 记录方差和收敛速度统计