[gdc20]Fast Denoising With Self Stabilizing Recurrent Blurs

Posted 2022-12-02 安柏霖

gdc20上nvidia带来，整体上是对于metro gdc19的在denoise方面（地铁中的光追GI）的延续和持续的改进，在大思路比较近似的情况下，在从整体到细节上做了提升；
研究的工作也比较细致，读起来很有感觉；

overview

整体上是一个denoiser，用于使用monte carlo做ray tracing然后denoise的情况（而不是类似surfel based的技术）；
在space&temporal上面的weight选择上，结合业内的技术做法，有很多的改进综合，效率和效果都比较好；

pipeline：

整体是这样的一个过程，可以达到比较好的效果，

• 质量更好
• 可以同时用于specular和diffuse
  效率也比较可以接受：
  
  一般我们使用dlss等，可以把这个降到更低；

重点关注：importance sampling

整体技术本身：围绕signal processing来的，realtime graphics本身就是对signal processing应用非常重的点，而denoise这里更是；
甚至可以说就是如何让整个过程的importance sampling做的更好；

recurrent blur

所谓的recurrent blur就是这样：accumulation接着blur，然后再来一轮这种

相比于下面两种方式：

recurrent blur本身信息更加充分，同时有

• 低频的noisy的输入信息
• 高频的结果信息（结果，上一帧的结果）

两者都有的情况下，更容易做好importance sampling：

• 比如在有occluded的情况下，使用fallback方案
• 在有变动比较大的情况下，进行剔除等等

整体上是这样一个思路，也和地铁的方案比较像；

recurrent blur的稳定性&细节

这里使用成功accumulate的frame数量来控制blur的radius，越是成功accumulate的sample，radius就越小（如图中白色部分），如果是出现历史积累少的点（occluded等因素），那么radius就大；
这样也尽最大程度的让结果stable&保留细节：

• 积累frame少的case，就是用大radius，这样就减少artifact：更加stable
• 积累frame多的case，就使用小radius，这样在stable的前提下保留更多的细节
  
  （可以看到上图中，如果我们一律使用大radius的，就会最右面一样，虽然非常stable，但是细节都没了，可以看到左边的indirect lighting shadow就好很多）
  
  （另外再看经过几帧之后的结果）

ghost free temporal reprojection

这里上来先说了要使用linear weight而不是exponentialweight，我印象中大多数都是linear weight，所以就不展开了。
然后是ghost free temporal reprojection，

这里要做的就是custom bilinear filter，把不需要的坏点能够去掉即可。

hierarchical history reconstruction

会产生这样的mips（有点像glossy reflection）

在up sampling是用的bilateral upsampling，然后会根据：

• accumulated frames
• roughness
  来选择哪一个mip

其起到的作用是在bilateral upsampling的时候，可以有充分的历史信息作为fallback方案；

sampling space

这里就是选择对于diffuse和specular来说，最有效的sample（更好的importance sampling）；

这里直接上结论就好了，ggx dominant direction的垂直平面上来blur；

sampling weight

这里的weight分为三种：

• geometry：tangent plane上的distance
• normal：两个normal的夹角，如果高于specular lobe的half angle，就要丢弃
• roughness：如果sample的点和中心点差距太大，也要丢弃：
  

生成denoiser

（diffuse denoiser的input/output）

(specular denoiser的input/output)

specular denoiser

specular denoiser更加复杂一些；

parallax

specular这里引入一个“parallax”（前后帧的view vector的变化）变量来控制积累的速度，因为在specular case下，与diffuse case不同。
diffuse再换了角度之后，普通lambertian下，都是一样的，这样motion vector就够了；
specular更多和角度有关，所以使用这个parallax来做；

hit distance

距离也引入了作为weight；