技术摘要：可微偏振路径追踪

问题陈述

基于物理的可微渲染（PBDR）已成为逆向渲染任务（如 3D 重建和反射率估计）的强大工具。然而，大多数现有方法仅在辐射强度层面运行，丢弃了能够约束场景几何与材料属性的宝贵偏振线索。虽然偏振光的正向模拟可以通过 Mueller-Stokes 微积分得到明确定义，但将反向模式微分扩展到该领域面临着显著挑战。

核心难点在于常见偏振算子（例如线性偏振片和漫反射）的秩亏特性（rank-deficient nature）。标准的梯度估计器（如路径重放反向传播，Path Replay Backpropagation, PRB）依赖于光传输贡献的局部数值可逆性，以实现高效且常数级内存的梯度计算。在偏振渲染中，光交互通过 $4 \times 4$ Mueller 矩阵进行建模。其中许多矩阵是奇异的（不可逆的），因为它们将 4D Stokes 空间映射到较低维度的子空间，从而有效地丢失了关于入射偏振态的信息。因此，直接将 PRB 应用于偏振光传输会导致不稳定的或严重有偏的梯度估计，因为所需的矩阵求逆在数学上是未定义的。

方法论

作者提出了一种鲁棒的、感知偏振的可微路径追踪方法，该方法无需依赖秩亏 Mueller 算子的求逆即可估计无偏梯度。该方法通过结合**路径重放（path replay）和局部缓存（local caching）**扩展了 PRB。

1. 分析 PRB 在偏振中的失效原因

论文指出，标准 PRB 在涉及 Mueller 矩阵时会在三种特定场景下失效：

• 可逆元素： 标准 PRB 有效（例如波片）。
• 理想去偏振器： 标准 PRB 有效，因为导数不需要入射偏振态（例如漫反射 BSDF）。
• 不可逆的偏振感知元素： 这是失效案例。像线性偏振片这样的元素会产生奇异矩阵。尝试对其求逆（如在朴素的偏振 PRB 扩展中）会导致数值不稳定或偏差。

2. 缓存后缀重放（Cached Suffix Replay）

为了解决不可逆问题，作者引入了缓存后缀重放机制。算法不再尝试通过求逆 Mueller 矩阵 $M$ 来在伴随传递（adjoint pass）期间“移除”脱离的 BSDF 贡献，而是缓存光路径后缀的一个紧凑摘要。

• 前向传递（Primal Pass）： 算法追踪路径，存储每个顶点的发射量和传输因子。随后通过反向折叠（backward fold）重建后缀辐射度，存储每个交互 $i$ 的累积辐射度 $L_{i+1}$。
• 伴随传递（Adjoint Pass）： 在梯度计算期间，算法不再计算 $M^{-1} L$，而是直接检索缓存的后缀辐射度 $L_{i+1}$。局部梯度通过将检索到的后缀与微分后的 BSDF 权重相乘来计算。
• 结果： 这完全消除了对矩阵求逆的需求，在避免传统自动微分（AD）导致的内存爆炸的同时，产生了无偏梯度。

3. 混合缓存重放（Hybrid Cached Replay）

对于路径极深、存储每个交互处的缓存后缀辐射度会导致内存受限的情况，作者提出了一个混合缓存重放变体。该方法仅在检查点间隔（$k$）处存储缓存的后缀值。

• 在检查点之间，算法根据累积传输的**去偏指数（depolarization index）**来决定如何恢复后缀辐射度。
• 如果传输实际上是去偏的，则使用标量 PRB 更新。
• 如果传输是可逆的，则尝试局部求逆。
• 如果传输既不可逆又不是去偏的，则递归地重新计算到下一个检查点的路径段。
  这种混合方法平衡了内存使用和计算成本，使其能够扩展到具有高路径深度的复杂场景。

核心贡献

1. 分析 PRB 的局限性： 论文提供了严谨的分析，证明了为什么标准 PRB 不能推广到偏振光传输，并将秩亏 Mueller 算子确定为定义不明的重放抵消的根源。
2. 首个实用的可微偏振路径追踪框架： 作者提出了第一个能够处理偏振场景中长光路径的框架。它结合了缓存后缀重放与混合变体，以避免不可靠的 Mueller 矩阵求逆，确保了无偏梯度估计。
3. 实验验证： 该方法通过与常规自动微分（Conv. AD）和现有基准进行对比得到了验证。结果表明，所提方法产生的梯度与 Conv. AD 一致，同时使用了显著更少的内存，并提供了更快的运行时间。

结果

作者在配备 NVIDIA GeForce RTX 4090 的工作站上评估了其方法，并将其与 Conv. AD、P-PRB（带有噪声正则化的偏振 PRB）以及 P-RB（偏振可逆反向传播）进行了比较。

• 梯度正确性： 在各种场景（客厅、康奈尔盒等）的梯度分析中，所提方法产生的梯度相对于 Conv. AD 的相对误差接近于零。相比之下，P-PRB（依赖于噪声正则化求逆）产生了错误的梯度，特别是在优化表面法线或偏振片旋转角度等 Mueller 矩阵处于秩亏状态的参数时。
• 逆向渲染性能：
  • 眩光消除： 在一个厨房场景中，该方法成功优化了线性偏振片的取向以抑制镜面眩光，而这是非偏振 PRB 失效的任务。
  • 材料分离： 在一个 Veach 场景中，与非偏振基准相比，该方法能更好地解耦漫反射和镜面反射成分（粗糙度和纹理），降低了重建误差（RMSE）。
  • 法线恢复： 对于大理石胸像，偏振线索使得能够恢复更锐利的几何细节和更准确的法线贴图，特别是在头发等高频区域，表现优于非偏振 PRB。
• 内存与运行时间：
  • 内存： 该方法在路径深度达到 32 时仍能保持近乎恒定的内存使用量，显著优于在类似设置下会耗尽 GPU 显存的 Conv. AD。
  • 运行时间： 该方法比 P-RB 快约两倍，同时保持了无偏梯度。P-PRB 虽然更快，但产生的梯度是不准确的。
• 几何重建： 当应用于使用投影采样（projective sampling）的单视图 3D 重建时，与非偏振基准相比，偏振方法将 Chamfer 距离从 0.1874 降至 0.0904，并将法线误差从 $65.61^\circ$ 降至 $46.72^\circ$。

意义与主张

论文声称，它是第一个提供实用的、内存高效的可微偏振路径追踪框架的研究，支持长路径且无偏。

• 克服数值不稳定性： 通过使用缓存后缀重放取代矩阵求逆，该方法解决了此前阻碍可微偏振渲染的秩亏 Mueller 算子的根本问题。
• 增强逆向渲染： 作者证明，将偏振测量集成到 PBDR 中可以显著提高材料参数（粗糙度、反照率）和几何（法线）的可辨识性，减少了仅基于强度的逆向渲染中常见的局部极小值和歧义问题。
• 可扩展性： 不同于受限于内存约束的 Conv. AD，也不同于以往需要海量内存的专门方法（如波导设计），该方法可以扩展到具有高路径深度和高分辨率的复杂场景，使基于物理的偏振逆向渲染在通用应用中变得可行。

作者指出，虽然目前的工作侧重于光传输的连续内部积分，但未来的工作可以将该框架扩展到次表面散射和计算设计问题（如波导优化）。