Real-Time Physically-Based Materials 实时渲染基于物理的材质学习笔记1

本文探讨了实时渲染中物理基材料模型的应用,包括微面BRDF、Beckmann及GGX NDF等模型,并讨论了自遮挡项的重要性及其在防止边缘过亮中的作用。此外还提到了在白炉测试中遇到的能量损失问题。

Real-Time Physically-Based Materials(surface models)

Microfacet BRDF

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Normal Distribution Function(NDF)

在这里插入图片描述
可用不同的模型来描述
Beckmann NDF
在这里插入图片描述
alpha:表面的粗糙度
theta h:h与n的夹角
在这里插入图片描述
GGX(TR)
特征:长尾巴
在这里插入图片描述
在这里插入图片描述
渐变的效果比较好
在这里插入图片描述
Shadowing-Masking Term
在这里插入图片描述
用于表示自遮挡的项
Shadowing对应光,masking对应眼睛

为什么需要这一项?
在这里插入图片描述
防止边缘过亮

Smith shadowing-masking term
常用的shadowing-masking term项
在这里插入图片描述
问题:
在这里插入图片描述
白炉测试后存在能量损失
多次弹射越多,损失能量越多
在这里插入图片描述
光线追踪对于实时渲染来说太慢了
在这里插入图片描述
基本想法:
被遮挡等于发生了bounce
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
BRDF有颜色的情况下怎么办?
先计算全部能量再考虑颜色的吸收
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
简单的加一个diffuse而不考虑能量是不正确的,能量并不守恒

内容概要:本文介绍了一项创新性未发表的研究,即利用多元宇宙优化算法(Multiverse Optimizer, MVO)对分时电价下的需求响应与综合能源系统调度问题进行建模与求解,旨在实现能源系统的经济性、高效性与可持续性运行。该研究构建了包含多种能源设备(如光伏、风机、燃气轮机、储能系统等)及可调节负荷的综合能源系统模型,充分考虑了用户侧的需求响应行为在分时电价机制下的响应特性,通过MVO算法对系统运行成本、能源利用率、碳排放等多目标进行协同优化,实现了日前调度计划的智能决策。研究还提供了完整的MATLAB代码实现,便于研究人员复现实验、验证算法性能,并为进一步研究提供可靠的仿真基础。; 适合人群:具备一定电力系统、优化算法及MATLAB编程基础的科研人员、研究生以及从事能源互联网、综合能源系统规划与运行的技术工程师。; 使用场景及目标:① 学习并掌握多元宇宙优化算法在复杂能源系统调度中的具体应用方法;② 研究分时电价机制如何通过需求响应引导用户参与电网互动,实现削峰填谷;③ 实现综合能源系统(IES)中冷、热、电、气等多种能源的协同优化调度,以降低运行成本、提高新能源消纳能力和系统可靠性;④ 为相关领域的学术研究提供可复现的代码实例和仿真平台。; 阅读建议:此资源以MATLAB代码为核心载体,深入剖析了算法应用与系统建模的全过程。建议读者在学习时,不仅应关注代码的实现细节,更要理解其背后的数学模型、优化目标设定和约束条件的物理意义。建议结合文档中的模型描述,逐步调试代码,观察不同参数和场景下的优化结果,从而深刻掌握综合能源系统优化调度的设计思想与关键技术。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值