Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
HoloPathTracer는 홀로그래피를 위한 물리적으로 정확하고 효율적인 파동 광학 렌더링 프레임워크입니다. 경로 추적과 몬테카를로 방법을 결합하여 복잡한 시각 효과와 물리 기반 재질을 위상 홀로그램에 정밀하게 인코딩합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기홀로그래피 (Holography)는 VR/AR에서 컴팩트한 폼 팩터를 유지하면서도 지각적 사실감 (perceptual realism)을 전달할 수 있는 독특한 장점을 제공합니다. 그러나 그 지각적 품질은 포토리얼리스틱한 장면의 풍부한 파면 (wavefronts)을 간섭 패턴 (interference patterns)으로 인코딩한 다음, 결과물인 파동장 (wave fields)을 인지할 수 있도록 비간섭적으로 다중화 (multiplexing)하는 과정에 달려 있습니다. 기존의 CGH 패러다임은 이산화된 장면 섹터에 복사 휘도 (radiance)를 사전 렌더링함으로써 복사 휘도 추정 (radiance estimation)과 파동 전파 (wave propagation)를 분리합니다. 이러한 복사 휘도 계산과 파동 광학 (wave-optical) 계산 사이의 분리는 깊이 및 시점 연속성, 그리고 광택이 있거나 거울 같은 반사 및 굴절과 같은 물리 기반 재질 동작을 포함하여 충실하게 재현할 수 있는 초점 단서 (focus cues)와 시각 효과의 범위를 본질적으로 제한합니다. 우리는 경로 추적 (path tracing)을 활용하여 완전한 3D 시각 단서를 위상 홀로그램 (phase holograms)에 인코딩하는, 물리적으로 정확하면서도 계산 효율적인 파동 광학 렌더링 프레임워크를 제시합니다. 구체적으로, 우리는 렌더링 방정식 (rendering equation)과 레일리-소머펠트 적분 (Rayleigh--Sommerfeld integral)을 동시에 해결하기 위해 몬테카를로 (Monte Carlo) 방법을 채택합니다. 우리의 알고리즘은 현대적인 그래픽 기술과 완전히 호환되며, 경로 재사용 (Path Reuse)을 통해 최소한의 추가 시간 비용으로 여러 개의 시분할 다중화된 무작위 홀로그램을 생성할 수 있습니다. 주변 복사 휘도 캐시 (ambient radiance cache)를 이용한 빠른 근사법을 채택함으로써, 우리는 수 자릿수(order of magnitude)의 수렴 속도 향상을 실현했습니다. 포괄적인 시각 효과를 본질적으로 인코딩하는 결과물인 결맞음 파동장 (coherent wave fields)은 복소 진폭 감독 (complex-amplitude supervision) 하에 위상 전용 홀로그램 (phase-only holograms)으로 변환됩니다. 공간 광 변조기 (spatial light modulator) 기반 디스플레이 프로토타입에 대한 광범위한 시뮬레이션 및 실험적 검증을 통해, 우리는 현실적인 초점 이탈 흐림 (defocus blur), 시점 의존적 효과, 외관 하이라이트 및 반사를 포함하여 자연스러운 3D 단서와 복잡한 재질의 충실한 홀로그래피 재구성 (holographic reconstructions)을 입증합니다.