我的猜测是，由于算法运行后，我们有了图像，因此低通滤波有助于防止发生混叠。但是，我对此不确定。有人可以详细说明吗？
#1 楼
低通滤波是信号理论中的经典工具，可以有效消除噪声，如您建议的那样，但也可以消除图像中所需的高频信息，例如尖锐边缘。图像看起来很模糊。后滤波的蒙特卡洛渲染结果是一个开放的研究领域，多年来已经取得了许多进展，有关这些概述的概述可以在《对您的蒙特卡洛进行降噪》中找到。渲染器：此处的图像空间自适应采样和重构SIGGRAPH课程的最新进展。
低通滤波
低通滤波是否可以应用于光线跟踪？
我的猜测是，由于算法运行后，我们有了图像，因此低通滤波有助于防止发生混叠。但是，我对此不确定。有人可以详细说明吗？
后滤波的蒙特卡洛渲染结果是一个开放的研究领域，多年来已经取得了许多进展，有关这些概述的概述可以在《对您的蒙特卡洛进行降噪》中找到。渲染器：此处的图像空间自适应采样和重构SIGGRAPH课程的最新进展。
我的猜测是，由于算法运行后，我们有了图像，因此低通滤波有助于防止发生混叠。但是，我对此不确定。有人可以详细说明吗？
后滤波的蒙特卡洛渲染结果是一个开放的研究领域，多年来已经取得了许多进展，有关这些概述的概述可以在《对您的蒙特卡洛进行降噪》中找到。渲染器：此处的图像空间自适应采样和重构SIGGRAPH课程的最新进展。
评论
$ \ begingroup $
请注意，有一个根本的区别：超级采样（使用抖动或任何其他技术）需要额外的采样，而后置滤波器（如建议的低通滤波器）在渲染的图像上起作用。但是，这是有价值的附加信息，并且这两种技术是齐头并进的。
$ \ endgroup $
– David Kuri
16年1月25日在12:47
$ \ begingroup $
我最初没有看到您的回答（带有某种随机超采样的抗锯齿），但是您的回答更好。我仍然认为较旧的论文仍然值得参考，因此我更改了答案而不是删除它。我希望这是合理的礼节吗？
$ \ endgroup $
–丹尼尔·格塞尔（Daniel M Gessel）
16年1月25日在17:34
$ \ begingroup $
总的来说，您的回答是一个很好的补充：)我只是想确保没有人感到困惑。
$ \ endgroup $
– David Kuri
16年1月26日在8:43
$ \ begingroup $
理解了。真正的原因在于，混叠是由于初始采样以固定的间隔进行的：如果每个采样都击中栅栏的栅栏，那么您将被困在白色的墙壁上。在常规采样的图像上应用低通滤波器并不是普遍有效的方法（高频纠察栅别名为低频伪像-白墙）。
$ \ endgroup $
–丹尼尔·格塞尔（Daniel M Gessel）
16年1月26日在14:00
$ \ begingroup $
后过滤方法也似乎是一个非常有趣的现代CPU（具有集成GPU）的负载平衡问题。使用有效跟踪此类数据结构的CPU内核进行光线跟踪，然后在GPU上对图像进行后处理。好玩的项目！
$ \ endgroup $
–丹尼尔·格塞尔（Daniel M Gessel）
16年1月26日在14:02