1 算法概念与基本原理
1.1 光传输的路径表示
路径追踪将光看作沿着一条“传输轨迹”传播：从光源出发，遇到场景表面或体介质后发生反射、折射或散射，继续传播，直至最终与相机传感器（或成像平面）相交。一次“完整路径”通常由若干段组成，每一段对应光在介质中的传播以及在交互点处遵循相应的物理规律。
在实现层面，路径可以用一系列状态变量表示，例如：路径上各交互点的位置、法线、入射/出射方向、材质参数，以及可能的介质属性。通过记录这些信息，算法才能在每次交互处评估能量如何沿方向分布，并将贡献累积到像素估计中。
1.2 渲染方程与蒙特卡洛估计
路径追踪的核心是对渲染方程（描述场景辐射如何在空间中传播并最终汇聚到相机）的解进行数值估计。由于渲染方程通常包含对所有可能入射方向的积分，以及多次反弹/折射带来的级数型项，直接解析求解往往不可行。
蒙特卡洛方法通过“随机采样”近似积分：从给定分布中抽取路径方向或交互事件，计算每条路径对目标量（像素辐亮度）的贡献，再对大量样本取平均或加权和。为了保持估计的统计正确性，通常会配合权重因子，将采样分布与被积分的真实函数之间的差异抵消。
1.3 采样与收敛特性
采样数越多，统计误差通常越小；但收敛速度会受到方差大小影响。路径追踪常见的误差表现为：在低采样时像素呈现噪声（例如斑点状或条纹状），随着样本数增加噪声逐渐减弱。软阴影与间接光往往需要更多有效采样才能稳定估计。
在实践中，“收敛”不仅指平均值更接近真实结果，也包括噪声的空间结构更不明显。很多优化策略的目标，就是降低估计的方差，使得在相同采样预算下结果更快变得可用。
2 渲染流程与实现框架
2.1 光线路径的生成
一种常见的工作方式是从相机出发生成光的反向路径（或等价形式），对每个像素采样若干条路径。每条路径包含： 1) 在相机处确定初始方向； 2) 沿该方向追踪直到与场景表面相交； 3) 在交互点根据材质与光照模型选择下一段方向； 4) 重复直到到达终止条件。
对于场景中存在体介质的情况，还会在路径中插入体相互作用事件，例如沿射线路径的散射位置采样等。
2.2 材质相互作用的建模
在每次与表面相交时，材质模型决定光如何分配到不同方向。常见做法是使用双向反射分布函数（BRDF）来描述反射，或使用双向透射分布函数（BTDF）来描述透射。算法会根据材质的参数（粗糙度、折射率、金属度等）计算：
- 当前交互点处的散射/透射概率或其近似形式；
- 下一方向的选择方式（与重要性采样紧密相关）；
- 路径贡献的权重（考虑概率与物理量之间的匹配）。
对于理想镜面、粗糙表面、半透明材质等情形，方向分布的“尖锐程度”不同，因此对采样策略和权重计算的敏感性也不同。
2.3 递归与终止条件
路径追踪天然是递归或迭代的：每次交互都会触发对下一段光传输的继续生成。为了让计算可在有限时间内完成，需要终止条件。典型终止来源包括：
- 路径几何终止：离开场景、到达环境光/背景，或命中光源；
- 物理事件终止：例如反射/折射组合导致光能进入不可进一步贡献的状态；
- 概率终止：使用随机终止机制（见后文俄罗斯轮盘）使得估计保持无偏或近似无偏。
递归深度上限也常用于工程控制，但通常会配合概率策略，避免截断引入明显偏差。
2.4 通过累积得到像素辐亮度
每条路径会产生对像素辐亮度的一个贡献值。贡献可理解为“能量沿路径传播并在最终视线方向上被记录”的结果，通常包含：
- 材质散射/透射的项；
- 与方向相关的几何因子（例如与法线夹角有关的项）；
- 采样概率相关的权重（以校正蒙特卡洛估计）；
- 可能的发光项或环境光项。
对像素的最终结果通常是对多条路径贡献的平均。若加入降噪或方差估计，输出还可能附带额外统计信息，以便后处理更稳定。
3 关键技术与优化策略
3.1 重要性采样
重要性采样的思想是：将采样分布选在更“可能贡献大”的区域，使样本更有效。由于路径贡献往往与 BRDF/BTDF 决定的方向概率密切相关，常用做法是让采样方向的分布尽量贴近材质的辐射分布形状。
这样做可以显著降低估计方差，减少在“贡献很小却仍被频繁采样”的浪费。实际工程中，重要性采样还会结合多种启发式近似，例如根据法线方向、粗糙度或光源分布来调节采样倾向。
3.2 俄罗斯轮盘（随机终止）
俄罗斯轮盘是一种概率性的终止方法：在路径达到某个深度后，以一定概率停止继续追踪，以一定概率继续。若停止，则该路径不再生成后续贡献；若继续，则对后续贡献施加相应的权重校正。
其目的在于用更少的平均交互次数节省计算，同时避免固定截断带来的偏差问题。合理选择终止概率（例如与路径当前能量或材质响应相关）能够在效率与误差之间取得平衡。
3.3 多重重要性采样
多重重要性采样用于在同一贡献项上同时考虑多种采样策略。例如路径可能既从材质分布采样方向，也可能从光源方向或其他启发式分布采样方向。然后对不同策略的估计进行融合，既利用各自优势，又减少单一策略导致的方差峰值。
在数学处理上，常见形式会对各策略的权重进行归一化，确保合并结果在统计意义上合理。多重重要性采样往往能提升含有复杂光源分布、强烈局部高亮或强方向性材质场景的稳定性。
3.4 方向采样与BRDF/BTDF一致性
方向采样与 BRDF/BTDF 一致性强调：采样分布、权重计算以及物理模型之间要匹配。若方向采样与真实散射分布不一致，会导致大量样本落在概率较低却可能产生较大贡献的区域，从而提高方差或引入偏差。
因此实现中通常要同时处理：
一致性做得越好，结果越稳定，收敛也越快。
3.5 降噪与采样复用（概念层）
路径追踪输出通常是带噪的辐亮度样本。降噪方法可在保留细节的前提下抑制统计噪声，并提升观感效率。降噪常见依赖包括：额外缓冲（例如法线、深度、材质属性）以及对噪声统计的建模。
采样复用指在相邻像素、连续帧或局部区域共享部分采样信息，从而减少重复计算。虽然不同降噪与复用策略细节差异很大，但其共同目标是：在不显著牺牲物理合理性的情况下，降低每像素有效采样成本。
4 常见扩展与变体
4.1 双向路径追踪（思想与特点）
双向路径追踪将“从光源出发的路径”和“从相机出发的路径”同时生成，并在中间点附近尝试连接它们。这样可以更直接覆盖光能从光源传播到视线的路径空间，尤其在强间接光或难以通过单向采样捕捉的场景中更有优势。
它通常比单向方法更复杂：需要处理路径连接的概率、匹配项以及连接失败的情况。但在许多情况下，它能在相同预算下获得更低方差的结果，代价是更高的实现复杂度。
4.2 光子/体渲染路径追踪（体介质扩展）
在包含体介质（如雾、烟、体火焰）的场景中，光传播不仅发生在表面，还会在体内发生散射与吸收。体渲染路径追踪会把体相互作用纳入路径生成：路径可能在体中随机采样一个散射事件位置，然后继续沿新方向传播。
与此同时，体渲染还需要考虑体积分布函数、透射衰减以及相函数（描述散射各向同性或各向异性）。因此该变体在真实感上更强，但对采样与终止策略的要求也更高，噪声和性能挑战更明显。
4.3 自适应采样与误差度量
自适应采样根据每个像素或局部区域的“估计不确定度”来动态分配采样预算：误差大的区域多采样，误差小的区域少采样。这样可以把计算资源集中到对最终画面影响更大的位置。
误差度量可以来自样本方差、置信度指标或基于特征的预测模型。理论上它能减少无效采样；工程上则需要额外的评估开销与稳定性考虑。
4.4 偏差与无偏估计的差异
路径追踪在不同实现策略下可能出现偏差或保持无偏性。无偏估计指在统计上平均结果等于真实值；偏差则意味着期望与真实值存在系统性偏移。
常见偏差来源包括：固定最大深度的硬截断、使用近似模型但未做相应校正、某些重加权策略简化导致的误差等。使用俄罗斯轮盘并合理加权通常有助于无偏或近似无偏；而自适应停止、启发式剪枝等则更可能引入偏差，需要权衡可视质量与数学性质。
5 应用场景与效果讨论
5.1 离线渲染与计算机图形学
离线渲染强调最终画质与物理一致性。路径追踪能够自然生成软阴影、复杂的间接光照、真实反射与折射的能量传播，因此在影视级渲染、产品可视化与高质量生成等领域应用广泛。离线阶段允许更大的采样预算，通常更容易把噪声压到可接受水平。
此外，路径追踪统一了多种光传输现象的处理框架，便于在同一渲染器中叠加不同材质与光照模型，减少分阶段渲染带来的接口不一致。
5.2 交互式渲染的路径追踪思路
交互式渲染更关注速度与响应。路径追踪在该领域常采用较少样本并依赖降噪、时序复用或更强的采样引导，使画面在有限时间内逐步收敛。由于每一帧可能采样较少，画面噪声更明显，因此后处理与稳定性设计尤为关键。
常见思路包括：限制递归深度、采用俄罗斯轮盘降低平均成本、引入重要性采样与多重重要性采样提高有效样本比例。
5.3 特效渲染中的表现力
特效渲染常需要表现雾化体、体散射、火焰与半透明材料等复杂现象。路径追踪对体介质的扩展能力使其在烟雾体积、光束穿透、体内高光等效果上具备较强表现力。
同时，路径追踪能更自然地处理“多次交互后的能量再分配”，例如受折射影响的高光漂移、受反射链路影响的间接轮廓等，从而提升视觉真实感。但代价是计算压力更大，因此往往需要更紧密的优化与降噪配合。
6 局限性与工程权衡
6.1 噪声来源与方差控制
噪声主要来源于蒙特卡洛采样的随机性：样本数量有限会导致估计误差。方差越大，噪声越明显。方差可能在以下情况下增大：
- 材质分布很尖锐（例如非常光滑导致方向采样覆盖不足）；
- 光源或环境光贡献集中在少数方向；
- 路径事件在深度增加后仍可能产生显著贡献；
- 体介质散射导致方向选择不确定性更强。
因此工程优化多围绕降低方差展开，例如重要性采样、一致性匹配、多重采样策略与更有效的权重校正。
6.2 计算开销与加速结构需求（概念）
路径追踪的计算量与光线-几何相交测试次数、递归深度、体相互作用事件数量等因素有关。特别是在场景几何复杂、采样数量增加时，相交测试成为主要瓶颈。
工程上通常需要加速结构以减少无效遍历，例如层次化包围体或网格化空间划分等，以降低每次追踪的几何求交成本。虽然加速结构属于更广泛的光线追踪工程范畴，但它对路径追踪的可用性起决定作用。
6.3 适用材质与光照条件边界
路径追踪能覆盖广泛的光传输现象，但在某些材质与光照条件下仍更难收敛或更耗时。例如：
- 极度高频的反射细节（微表面导致方向敏感）；
- 强烈的折射链路或薄介质导致路径极其复杂；
- 大体积参与散射的场景，体散射事件多且噪声更难压制；
- 特别小且高亮的光源区域，若缺少针对性采样策略容易漏采或方差飙升。
因此在实际项目中常会结合场景特性选择采样策略、限制递归深度、调节降噪强度或进行分层优化。
7 相关术语与“梗”式理解（轻量）
7.1 “每个像素都是一次冒险”的直观比喻
把每个像素的估计看作一名“旅人”：它从镜头出发，沿着随机选择的方向穿梭在场景里，直到找到能贡献颜色的“终点”。样本多了，这个旅人的经历就更接近全貌；样本少了，就像只听了几段故事，自然更容易“有噪声”。
7.2 与光线追踪（Ray Tracing）的常见混淆
光线追踪强调“沿着光线寻找交点”的求交与递归求色框架，而路径追踪则强调“通过采样积分模拟光的传输路径”。两者在工程实现上可能共享求交、递归结构与加速数据结构，但数学目标不同：路径追踪更直接地把全局积分过程统一到蒙特卡洛估计中。
7.3 从“少量样本看天吃饭”到“多次采样见真章”
当每像素只用极少样本时，结果往往像“看天吃饭”：今天运气好可能接近正确，运气差就噪声明显。随着采样次数增加，随机偏差逐渐平均掉，图像更稳定，细节更可靠。降噪虽能让画面快速“像样”，但从原理角度仍可理解为用额外方法掩盖尚未完全收敛的统计噪声。