Banbao

PSSMLT，将 MLT 的突变放到了 Primary Space，这样就不需要特地去设计变异策略；另外引入了 large step 的变异，同时保证了遍历性、高接收率、以及 MIS 的引入（优化了暗处）

MLT 原理简介与实现

World Space ReSTIR，实现了 single-bounce diffuse GI

世界空间的时空间复用 ReSTIR；从开源代码来看和 2021-SIG-Communication 的区别就是 hash 的时候加了 normal

论文将 splatting 和 MCMC mutation 结合，提出了一种 $O(n)$ 的 path reuse 算法；为了加速，论文在 path reuse 的时候，使用 $O(\ln n)$ 的复杂度计算贡献值，实现了进一步加速

clash-verge 使用相关

Disney BSDF Model

微表面模型

学习日志

简单来说就是降噪中，加入梯度信息作为指导；将梯度域渲染建模成 Kernel-Based 的方法；整体架构是一个金字塔架构，上下采样的权重通过 GLU【SIG-2023】的方式计算得到；在每一层内，进行梯度增强、Filtering 两个操作；梯度增强权重通过原始梯度图指导、GBuffer 监督得到；Filtering 的权重通过增强后的梯度、GBuffer、降噪后的图片、上采样的结果监督；实验显示比之前的梯度域渲染好（收敛性好、同 spp 好），比降噪方法好（同时间好）；非学习方法；渐近无偏