Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen: doi:10.22028/D291-40490
Volltext verfügbar? / Dokumentlieferung
Titel: Variance-aware multiple importance sampling
VerfasserIn: Grittmann, Pascal
Georgiev, Iliyan
Slusallek, Philipp
Křivánek, Jaroslav
Sprache: Englisch
Titel: ACM transactions on graphics : TOG
Bandnummer: 38
Heft: 6
Verlag/Plattform: ACM
Erscheinungsjahr: 2019
DDC-Sachgruppe: 004 Informatik
Dokumenttyp: Journalartikel / Zeitschriftenartikel
Abstract: Many existing Monte Carlo methods rely on multiple importance sampling (MIS) to achieve robustness and versatility. Typically, the balance or power heuristics are used, mostly thanks to the seemingly strong guarantees on their variance. We show that these MIS heuristics are oblivious to the effect of certain variance reduction techniques like stratification. This shortcoming is particularly pronounced when unstratified and stratified techniques are combined (e.g., in a bidirectional path tracer). We propose to enhance the balance heuristic by injecting variance estimates of individual techniques, to reduce the variance of the combined estimator in such cases. Our method is simple to implement and introduces little overhead.
DOI der Erstveröffentlichung: 10.1145/3355089.3356515
URL der Erstveröffentlichung: https://dl.acm.org/doi/10.1145/3355089.3356515
Link zu diesem Datensatz: urn:nbn:de:bsz:291--ds-404903
hdl:20.500.11880/36393
http://dx.doi.org/10.22028/D291-40490
ISSN: 1557-7368
0730-0301
Datum des Eintrags: 6-Sep-2023
Fakultät: MI - Fakultät für Mathematik und Informatik
Fachrichtung: MI - Informatik
Professur: MI - Prof. Dr. Philipp Slusallek
Sammlung:SciDok - Der Wissenschaftsserver der Universität des Saarlandes

Dateien zu diesem Datensatz:
Es gibt keine Dateien zu dieser Ressource.


Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.