技術要約：微分可能な偏光パストレーシング

問題提起

物理ベースの微分可能レンダリング（PBDR）は、3D再構成や反射特性推定といった逆レンダリングタスクにおいて強力なツールとなっている。しかし、既存の多くの手法は放射輝度の強度のみを対象としており、シーンの幾何形状や材料特性を制約することができる貴重な偏光の手がかりを切り捨てている。偏光光の順方向シミュレーションはMueller-Stokes解析を通じて明確に定義されているが、この領域に逆モード微分を拡張することには大きな課題がある。

核心的な困難は、一般的な偏光演算子（例：線形偏光子や拡散反射）のランク不足（rank-deficient）な性質に起因する。Path Replay Backpropagation（PRB）のような標準的な勾配推定法は、定数メモリで効率的に勾配を計算するために、光輸送寄与の局所的な数値的可逆性に依存している。偏光レンダリングにおいて、光の相互作用は$4 \times 4$のMueller行列を用いてモデル化される。これらの行列の多くは、4次元のStokes空間をより低次元のサブスペースへと写像し、入射偏光状態に関する情報を実質的に消失させるため、特異（非可逆）である。その結果、PRBを偏光光輸送に直接適用すると、必要な行列の逆行列計算が数学的に未定義となるため、不安定または著しくバイアスのある勾配推定法を招くことになる。

手法

著者らは、ランク不足のMueller演算子の逆行列に依存せずに、偏飾のない勾配を推定する、堅牢で偏光を考慮した微分可能パストレーシング手法を提案している。このアプローチは、**パスリプレイ（path replay）とローカルキャッシュ（local caching）**を組み合わせることでPRBを拡張したものである。

1. 偏光におけるPRBの失敗の分析

本論文は、Mueller行列に関して、標準的なPRBが以下の3つのシナリオで失敗することを特定している：

• 可逆な要素： 標準的なPRBが機能する（例：波長板）。
• 理想的な脱偏光体： 入射偏光状態を必要としないため、標準的なPRBが機能する（例：拡散BSDF）。
• 非可逆な偏光特性を持つ要素： これが失敗のケースである。線形偏光子のような要素は特異な行列を生成する。これらを（素朴な偏光型PRBの拡張のように）逆行列化しようとすると、数値的不安定性またはバイアスが生じる。

2. キャッシュされたサフィックス・リプレイ（Cached Suffix Replay）

非可逆性の問題を解決するために、著者らはキャッシュされたサフィックス・リプレイメカニズムを導入している。アドジョイント・パス中に、分離されたBSDFの寄与を「取り除く」ためにMueller行列 $M$ の逆行列を計算する代わりに、このアルゴリズムは光パスのサフィックス（後方部分）のコンパクトな要約をキャッシュする。

• プライマル・パス（Primal Pass）： アルゴリズムはパスをトレースし、頂点ごとの放射およびスループット係数を保存する。その後、バックワード・フォールドによってサフィックス輝度を再構成し、各相互作用 $i$ における累積輝度 $L_{i+1}$ を保存する。
• アドジョイント・パス（Adjoint Pass）： 勾配計算中、アルゴリズムは $M^{-1} L$ を計算する代わりに、キャッシュされたサフィックス輝度 $L_{i+1}$ を直接取得する。局所勾配は、取得されたサフィックスと微分されたBSDFウェイトを乗算することによって計算される。
• 結果： これにより、行列の逆行列計算を完全に排除し、従来の自動微分（AD）によるメモリ爆発を回避しながら、偏飾のない勾配を生成する。

3. ハイブリッド・キャッシュ・リプレイ（Hybrid Cached Replay）

サフィックス輝度をすべての相互作用でキャッシュすることがメモリ的に困難な非常に深い光パスに対して、著者らはハイブリッド・キャッシュ・リプレイ変種を提案している。この手法は、チェックポイント間隔（$k$）においてのみキャッシュされたサフィックス値を保存する。

• チェックポイント間では、蓄積された輸送の**脱偏光指数（depolarization index）**に基づいて、サフィックス輝度をどのように復元するかをアルゴリズムが決定する。
• 輸送が実質的に脱偏光している場合、スカラーのPRBアップデートを使用する。
• 輸送が可逆である場合、局所的な逆行列計算を試みる。
• 輸送が非可逆であり、かつ脱偏光もしていない場合は、次のチェックポイントまでパスセグメントを再帰的に再計算する。
  このハイブリッドアプローチは、メモリ使用量と計算コストのバランスを取り、高いパス深度を持つ複雑なシーンへのスケーラビリティを実現する。

主な貢献

1. PRBの限界の分析： 本論文は、標準的なPRBがなぜ偏光光輸送に一般化できないかを、ランク不足のMueller演算子が不適切なリプレイ・キャンセルを引き起こす原因であることを特定し、厳密な分析を提供している。
2. 実用的な微分可能偏光パストレーシングの初の実装フレームワーク： 著者らは、偏飾のない勾配推定を保証しながら、非可逆なMueller行列の逆行列計算を回避するためにキャッシュされたサフィックス・リプレイとハイブリッド変種を組み合わせた、長い光パスを扱うことができる初のフレームワークを提示している。
3. 実験による検証： 本手法は、従来の自動微分（Conv. AD）および既存のベースラインと比較して検証されている。結果は、提案手法がConv. ADと一致する勾配を生成しつつ、大幅に少ないメモリを使用し、実行速度が向上していることを示している。

結果

著者らはNVIDIA GeForce RTX 4090を搭載したワークステーションで、手法をConv. AD、P-PRB（ノイズ正則化を用いた偏光型PRB）、およびP-RB（偏光型Reversible Backpropagation）と比較評価した。

• 勾配の正確性： 様々なシーン（Living Room, Cornell Boxなど）における勾配分析において、提案手法はConv. ADと比較して相対誤差がゼロに近い勾配を生成した。対照的に、P-PRB（ノイズ正則化による逆行列計算に依存）は、特に表面法線や偏光子の回転角などのパラメータを最適化する際、Mueller行列がランク不足であるために、誤った勾配を生成した。
• 逆レンダリング性能：
  • グレア除去： キッチンシーンにおいて、本手法は線形偏光子の向きを最適化して鏡面反射のグレアを抑制することに成功した。これは、非偏光型のPRBが失敗したタスクである。
  • 材料分離： Veachシーンにおいて、本手法は非偏光型のベースラインと比較して、拡散成分と鏡面成分（粗さやテクスチャ）をより良く分離し、再構成誤差（RMSE）を低減させた。
  • 法線の復元： 大理石の胸像において、偏光の手がかりにより、髪の毛のような高周波領域において、非偏光型PRBよりも鋭い幾何学的詳細やより正確な法線マップの復元が可能となった。
• メモリと実行時間：
  • メモリ： 本手法はパス深度32に至るまでほぼ一定のメモリ使用量を維持し、同様の設定でGPUメモリを使い果たすConv. ADを大幅に上回る性能を示した。
  • 実行時間： 本手法は、偏飾のない勾配を維持しながら、P-RBよりも約2倍高速である。P-PRBは高速だが、不正確な勾配を生成する。
• 幾何形状の再構成： 投影サンプリングを用いた単一視点3D再構成において、偏光型の手法は、非偏光型のベースラインと比較して、Chamfer距離を0.1874から0.0904へ、法線誤差を$65.61^\circ$から$46.72^\circ$へと減少させた。

意義と主張

本論文は、長い光パスをサポートし、バイアスを生じさせない、実用的でメモリ効率の高い微分可能偏光パストレーシングのフレームワークを提供した最初の研究であると主張している。

• 数値的不安定性の克服： 行列の逆行列計算をサフィックス・リプレイに置き換えることで、従来、偏光型微分可能レンダリングを阻んでいたランク不足のMueller演算子の根本的な問題を解決した。
• 逆レンダリングの強化： 偏光測定をPBDRに統合することで、材料パラメータ（粗さ、アルベド）および幾何形状（法線）の識別性が大幅に向上し、強度のみの逆レンダリングで一般的な局所解や曖昧さが軽減されることを示した。
• スケーラビリティ： メモリ制約を受けるConv. ADや、膨大なメモリを必要とする特殊な手法（例：導波路設計用）とは異なり、本手法は高いパス深度と解像度を持つ複雑なシーンへとスケールでき、偏光を用いた物理ベースの逆レンダリングを一般的な用途として可能にする。

著者らは、現在の研究は光輸送の連続的な内部積分に焦点を当てているが、将来的な作業として、サブサーフェス・スキャッタリングや導波路最適化のような計算設計問題への拡張が可能であると述べている。