相机、采样与重建

相机模型

常见变换链为：

其中 $M$ 为模型变换，$V$ 为视图变换，$P$ 为投影变换。透视投影使远处物体缩小，正交投影保持尺寸；深度范围、手性、NDC 约定和矩阵乘法顺序必须与图形 API 对齐。

相机设计还包括 FOV、纵横比、近远裁剪面、抖动、曝光和运动历史。近裁剪面过小会恶化深度精度；FOV、分辨率和动态缩放共同决定屏幕采样密度。

采样与重建

渲染器对连续可见性/辐射信号进行像素区域积分的近似。若信号频率超过采样频率，会发生混叠；抗锯齿可以通过预过滤、随机/分层采样、时域积累或重建滤波降低伪影，但无法凭空恢复未采集的信息。

• 预过滤：在缩小纹理或几何时先去除高频，Mipmap 是常用近似。
• 空间采样：每像素多样本、抖动或重要性采样改善空间覆盖。
• 时间采样：跨帧积累提高样本数，但依赖运动矢量和历史有效性。
• 重建：利用邻域、历史或先验估计目标分辨率；滤波半径越大越平滑，也越可能丢细节。

应用：从伪影反推根因

flowchart TD
    S["连续场景信号"] --> Q["相机与投影采样"]
    Q --> A["像素/时间样本"]
    A --> F["过滤与历史重投影"]
    F --> R["重建图像"]
    R --> D{"伪影"}
    D -->|"闪烁/摩尔纹"| S1["高频未预过滤"]
    D -->|"鬼影"| S2["历史无效或运动估计错误"]
    D -->|"边缘锯齿"| S3["空间样本不足"]

诊断时先固定相机和分辨率，再分别关闭历史、改变采样模式、检查运动矢量和深度一致性；不要直接把所有问题归因于“采样少”。

取舍与常见坑

• 增加样本万能论：样本数增加会提高成本，错误的重建仍会放大伪影。
• 忽略坐标约定：深度范围、Y 翻转、左/右手性不一致会造成系统性错误。
• 历史缓存污染：瞬移、遮挡、材质变化和曝光突变需要检测并拒绝历史。
• 滤波过宽：能消除闪烁但会造成糊、拖影和细节丢失；按内容频率选择。
• 只看静帧：时间采样问题必须在运动、旋转和镜头切换中验收。