Banbao

本文提出了随机 MIS 的算法，在 MIS 系数中引入随机性，不需要完整计算周围 M 个样本的权重，而是随机采样 N 个样本的方式计算，能够进行更大的空间复用

本文通过分析当前像素周围邻居（复用像素）的 G-Buffer 性质，提高了 ReSTIR 空间复用的质量；提出了一个启发式的函数评估周围像素对当前像素复用的优劣，然后选择最好的几个像素进行复用；

MSM 实现

该论文第一次将蓝噪声扩展到了时间轴上，首次提出了 Spatial-Temporal 蓝噪声 Mask，具体是通过扩展能量函数到时间轴 t 实现；能够生成 scalar、vector 的噪声；能够结合重要性采样进一步提升蓝噪声效果；频率分析部分展示了输入是蓝噪声输出结果不一定是蓝噪声，结合 Heitz and Belcour-2019 进一步调优

1 个 pass 实现粗糙的多光源阴影；将整个场景用很多点表示，然后对这些点做低分辨率的阴影；阴影上的空洞使用 pull-push 补全（降采样再上采样）

多光源阴影渲染；不需要硬件光追支持，光栅化场景中使用 ReSTIR，可见性判断使用 ISM 实现

直接光的多光源采样问题；使用神经网络预测每一个点的采样光源的分布（一个数组）；对于光源数量多的，首先使用传统方法建立一个全局共享的 light hierarchy，将其划分为若干子树；NN 估计对于不同子树的采样概率（子树内的采样和传统方法相同）

单光源软阴影；神经网络估计一个 kernel 的权重，用权重进行 filter

论文阅读

ResTIR-PT 学习