跳转到内容
Jason's Study

Lafortune-Willems 1993 — 从相机和光源同时撒光线再"接龙"

是什么

双向路径追踪（Bidirectional Path Tracing，BDPT 雏形）：渲染图像时同时从相机和光源出发各自走出一条光线路径，再把两条路径上的点两两连一根线段，每个连接都贡献一份对像素的估计。

日常类比：朋友约你吃饭，地点你不知道。

  • 单向（普通路径追踪）：你从家出发瞎走，希望撞到他家——大概率走丢
  • 双向：你出门，同时朋友也出门，两人各走几步，然后掏手机直接对接位置——一定接得上

Lafortune-Willems 1993 是这个想法第一次正式发表的论文，比 Veach 1997 那个被工业广泛引用的版本早 4 年。

为什么重要

普通路径追踪（Kajiya 1986）从相机往场景里打光线，希望某条路径正好碰到光源。问题：

  • 焦散（caustics，玻璃杯在桌上聚出的亮斑）：光要先碰玻璃折射、再到桌面、再到相机——从相机回溯撞到一个点光源的概率几乎为 0
  • 小光源 + 大场景：路径基本都浪费
  • 多次漫反射间接光：每多弹一次衰减一次，单向追踪没耐心走那么深

结果是图像满屏萤火虫噪点（firefly），要消除得跑几小时几天。

BDPT 的洞见：光源那侧也撒路径，然后让两侧路径的端点直接连接。一根连接线相当于一次”空中接力”，原本几乎不可能的路径现在变成”两半各自简单 + 一次可见性测试”。采样概率被人为抬高几个数量级。

后果：

  • 焦散、间接照明、复杂多次反弹 —— 方差大幅下降，同样的视觉质量下采样数能省一个数量级
  • Veach 1997 在此基础上加了多重要性采样（MIS），变成 PBRT / Mitsuba / Arnold 这些离线渲染器的标配
  • 工业管线里凡是看到”BDPT”开关，本质都是这套思想
  • 之后的 Metropolis Light Transport（Veach-Guibas 1997）、UPS/VCM（统一路径采样 + 顶点连接合并 2012）都是 BDPT 的直接后裔

核心要点

BDPT 跑一次的步骤：

  1. 眼路径（eye/camera path）：从相机出发，按 BRDF 重要性采样，弹 $t$ 次，得到顶点 $z_0=$ 相机, $z_1, z_2, \dots, z_t$。每弹一次都用俄罗斯轮盘赌（Russian roulette）决定是否继续，避免无限弹射。

  2. 光路径（light path）：从光源出发（按光源功率采样），弹 $s$ 次，得到顶点 $y_0=$ 光源点, $y_1, y_2, \dots, y_s$。光路径不直接贡献像素，而是当作”半成品”等着被连接。

  3. 逐对连接：对每个 $(s, t)$ 组合，把 $y_s$ 和 $z_t$ 之间连一根阴影线（shadow ray），如果互相可见，这条拼接路径就是一个完整的 light → eye 路径，可以贡献到像素。每条连接都要乘上两端的 BRDF 值 + 几何项 + 可见性。

  4. 求和：所有 $(s, t)$ 组合的贡献加起来，得到这一次采样对像素的估计。一次双向采样最多能产生 $(s+1)(t+1)$ 条拼接路径。

每一对 $(s, t)$ 组合代表一种”分工方式”，比如：

  • $(s=0, t=$ 长 $)$ ≈ 普通路径追踪（光源端不出力，只看眼路径自己撞到光源）
  • $(s=$ 长 $, t=0)$ ≈ 光子追踪（light tracing，光源端走完后直接连相机镜头）
  • $(s=1, t=$ 长 $)$ ≈ “next-event estimation”（每弹一次主动连一下光源）—— 这是 BDPT 的特例
  • $(s, t)$ 都很长 ≈ 真正的”两端各走深、空中连一根” —— BDPT 的独门武器

BDPT 不是替代某个，而是把所有这些策略当成不同的估计器，全跑一遍再合起来。

实践案例

案例 1：玻璃球焦散

普通 PT 1024 spp（每像素采样数）：玻璃球下方桌面上的亮斑充满白色噪点，要 16k spp 才干净。 BDPT 1024 spp：亮斑光滑可用。原因：光源端先把光线送进玻璃球折射出去，再和从相机出发的桌面采样点连接 —— 一步就构造出了”光 → 玻璃 → 桌面 → 相机”的完整路径。

案例 2：从门缝漏出的光

房间外面有强光，房间内只有一道狭窄门缝。

  • 普通 PT：相机方向几乎所有路径都撞墙，永远走不到门缝外的光源
  • BDPT：光源端的路径先穿出门缝进入房间内，相机端的房间内采样点直接连过去 —— 一根阴影线就完成了

案例 3：每对 $(s, t)$ 是一种估计器

设眼路径有 4 个顶点，光路径有 3 个顶点，那么有 $4 \times 3 = 12$ 种连接组合，每种组合都给像素一份估计。这在 1993 论文里直接平均；Veach 1997 改成”按各自概率密度做加权平均（MIS）“，让坏估计自动被压低权重 —— 这是 BDPT 真正鲁棒的关键。

案例 4：和”普通 PT + next-event estimation”的关系

普通工业路径追踪器一定会做 NEE（每弹一次主动连一下光源），这就是 $s=1$ 那一支。BDPT 等于把 NEE 推广到 $s=2, 3, \dots$ —— 让光源端也能多走几步，再和眼路径连接。所以”BDPT 看作 NEE 的多步化”是一个准确的直觉。

案例 5：从一次双向采样到一帧图像

实现里，每个像素的最终估计 = “本像素 K 次双向采样的均值”。每次双向采样要：

  1. 生成两条路径（眼路径打到摄像机镜头里那个像素，光路径起点采样自光源）
  2. 枚举所有 $(s, t)$ 对，可见就累加贡献
  3. 注意：光路径上的某些 $(s, t)$ 组合贡献的不一定是”当前像素”——比如 $t=1$ 时，光路径直接连到镜头，这条贡献会落到另一个像素上。这种”溅射式”贡献叫 light splat。

光线追踪框架要支持”任意像素被任意采样溅射写入”，比朴素 PT 复杂一截，是 BDPT 工程实现的另一个门槛。

踩过的坑

  1. “双向”不是把同一根光线两头走：是两条独立的路径各自从相机和光源出发，再两两配对。新人常误以为是一根光线的反向延伸。

  2. 直接平均 vs MIS：1993 原版直接平均所有 $(s, t)$ 估计，方差能降但还不够鲁棒；某些 $(s, t)$ 在某些场景下方差极大，把整体拉爆。Veach 1997 用 MIS（power heuristic）按密度加权，才让 BDPT 真正稳。

  3. 完美镜面 + 点光源仍然失效：两端连接需要 $y_s \to z_t$ 这条线段在 BRDF 下有非零密度。如果 $y_s$ 是镜面反射点 + $z_t$ 是另一个镜面点，连接线方向几乎不可能恰好满足两端的 delta 函数 —— 这种路径 BDPT 也撑不住，要 Metropolis Light Transport（Veach-Guibas 1997）。

  4. 光源采样要正确加权：光路径起点不是均匀采样，而是按光源功率重要性采样，这个加权一旦算错，整张图能量守恒崩坏。

  5. 可见性测试是热点：每对 $(s, t)$ 都要打一根 shadow ray，路径长 = 10 时一次采样要 100 次可见性测试。GPU BDPT 实现里这步是主要瓶颈。

  6. 能量复用陷阱：眼路径和光路径重用了同一个随机数序列会在 $(s, t)$ 不同组合里产生相关性偏差，理论方差分析会假。工程实现要么彻底独立采样，要么用专门的相关性补偿（Veach 1997 给了规整推导）。

适用 vs 不适用场景

适用：

  • 焦散、间接照明、室内多次弹射的离线渲染
  • 小光源 + 大场景（光源贡献稀疏的场景）
  • 中等粗糙度材质 + 需要物理正确的 GI（global illumination）
  • 离线影视渲染、产品级渲染（Arnold / RenderMan / V-Ray 都内建）

不适用：

  • 实时渲染（每像素几十次 shadow ray 太贵）→ 用光栅 + 屏幕空间近似 + RTX 神经降噪
  • 全镜面 + 点光源场景（路径连接几乎不能存在）→ 用 MLT / 光子映射
  • 仅直接光照（连 PT 都过剩）→ 简单 next-event estimation 即可
  • 路径预算极少（spp ≤ 4，比如 GPU 实时去噪输入）→ BDPT 的多估计器开销反而拖慢

历史小故事（可跳过）

  • 1986：Kajiya 提出渲染方程 + 第一版蒙特卡洛路径追踪。一切的起点。
  • 1989-1992：Heckbert 的光子映射雏形、Pattanaik 的双向估计器讨论。“两端采样”的想法在学术社区流传但未成形。
  • 1993：Lafortune（鲁汶大学博士生）和导师 Willems 在 CompuGraphics 发表”Bi-Directional Path Tracing”。第一次给出完整算法 + 实验对照。
  • 1995：Veach（Stanford）独立发表了类似工作，但加入更系统的路径空间积分框架。
  • 1997：Veach 博士论文成型，BDPT + MIS + MLT 一套打包，成为之后 20 年所有学术教材引用的版本。1993 的 Lafortune 论文反而被埋没。
  • 2012：Georgiev 等人提出 VCM（Vertex Connection and Merging），把 BDPT 和光子映射统一在一个 MIS 框架下。
  • 2015 后：神经网络辅助的路径引导（neural path guiding）开始替代部分 BDPT 角色，但 BDPT 思想仍是底座。

公平说一句：算法雏形是 1993 Lafortune-Willems，工程实用版是 1997 Veach。Lafortune 后来在材料模型领域更出名（“Lafortune lobes”，1997）—— 一个研究员两次拿到方向性贡献，足够幸运。

学到什么

  1. 变量替换思路：原积分难采样，找一个等价的变量替换让采样概率分布更接近被积函数 —— 双向就是”把一次蒙特卡洛拆成两次再相乘”
  2. 重要性采样的极致：BDPT 本质是为同一个积分准备多个估计器，每个估计器在不同区域擅长 —— 后来 MIS 把”如何合并多个估计器”变成系统理论
  3. 早 4 年的论文也会被埋没：好想法 + 不够漂亮的数学框架 = 教科书写另一个人的名字。Veach 1997 之所以被记住，因为他用路径空间积分把 BDPT / MLT / 光子映射统一成一个数学对象
  4. 离线渲染 30 年的核心节奏：方差消减（variance reduction）—— 不是让每个采样更准，而是让采样落在重要的地方
  5. 算法和框架不一样：1993 给的是算法（怎么算），1997 给的是框架（为什么对、怎么扩展）。搞研究偏框架，搞工程其实更需要算法 —— 两者都看才完整

延伸阅读

关联

反向链接