Difusión anisotrópica para la reducción de ruido de Monte Carlo

El muestreo de Monte Carlo se puede utilizar para estimar soluciones al transporte de luz global y otros problemas de renderizado. Sin embargo, puede ser necesario un gran número de observaciones para reducir la varianza a niveles aceptables. En lugar de calcular más observaciones dentro de cada píxel, si existe coherencia espacial en el espacio de imagen, se puede utilizar para reducir el error visual promediando estimaciones en píxeles adyacentes. La difusión anisotrópica es una técnica de reducción de ruido variante en el espacio que puede preservar selectivamente la textura, los bordes y otros detalles utilizando un mapa de coherencia de imagen. El mapa de coherencia se puede estimar a partir de información de profundidad y normales, así como de la distancia de color interpíxel. La estimación incremental de la reducción de la varianza, junto con la normalización estadística de las distancias de color interpíxel, produce un algoritmo que preserva la energía y que converge a un estado estable espacialmente no constante.