降噪

降噪算法

路径追踪使用蒙特卡洛积分，每个像素需要追踪数百甚至数千条路径才能收敛到无噪点结果。实时光线追踪只能追踪每像素 1-4 条路径，噪点严重。降噪算法利用空间和时间相干性，从低采样率图像重建高质量图像。

空间滤波

空间滤波假设相邻像素的光照相似，通过加权平均减少噪点。

• 高斯滤波：对像素周围的像素加权平均，权重随距离衰减
• 双边滤波：同时考虑空间距离和颜色相似度，保留边缘
• 非局部均值（Non-Local Means）：搜索整幅图像中相似的图像块，加权平均

时间累积

时间累积利用帧间相干性，将当前帧与历史帧混合。

• 指数移动平均：$I_t=\alpha I_{current}+(1-\alpha )I_{history}$
• 运动向量：使用光栅化阶段计算的运动向量，将历史帧对齐到当前帧
• 阴影/反射重投影：对阴影和反射通道单独重投影，减少幽灵伪影

混合降噪

现代游戏引擎使用结合空间滤波和时间累积的混合降噪方案，典型的如 NVIDIA 的 Real-Time Denoiser（RTXDI）和 AMD 的 FidelityFX SPD。

• 分类通道：

  • 根据材质类型（镜面、漫反射、发射）将图像分成多个通道
  • 每个通道单独降噪，保留不同材质的特征
  • 通道间交互避免分离伪影

• 自适应采样：

  • 对高方差区域（边缘、反射）增加采样数
  • 对低方差区域（平坦表面）减少采样数
  • 使用方差估计指导采样分配

• 神经降噪：

  • 使用小型的 CNN 网络学习噪点模式
  • 训练数据来自离线渲染器的高质量图像
  • 推理速度极快，适合实时应用