[(Don’t) Make Some Noise: Denoising] A Statistical Approach to Monte Carlo Denoising

https://dl.acm.org/doi/10.1145/3680528.3687591

[A Statistical Approach to Monte Carlo Denoising

SIGGRAPH Asia 2024 Conference Papers](https://dl.acm.org/doi/10.1145/3680528.3687591)

A Statistical Approach to Monte Carlo Denoising: 기존 방법의 세련된 개선

Monte Carlo 기반 렌더링에서 발생하는 노이즈 문제는 오래된 과제입니다. 이번 SIGGRAPH Asia 2024에서 발표된 “A Statistical Approach to Monte Carlo Denoising” 논문은 딥러닝 대신 통계적 필터링을 활용하여 효율적이고 안정적인 노이즈 제거 방법을 제안했습니다. 이 연구는 흥미로운 접근법을 보여줬지만, 기존 방법론에서 크게 벗어난 혁신은 아니라고 느꼈습니다.

---

핵심 내용 요약

1. Monte Carlo 노이즈 제거의 통계적 접근
   • Gaussian 필터 기반의 기존 방법론을 개선하여, Welch’s t-test와 Box-Cox 변환을 사용한 통계적 노이즈 제거를 제안.
   • G-buffer 데이터를 활용하여 픽셀 간 관계를 분석하고, 적응형 필터링으로 노이즈를 줄임.
2. Box-Cox 변환 도입
   • Gaussian 필터가 특정 상황에서 발생하는 오버플로우 문제를 해결하기 위해 분포를 변환.
   • 이를 통해 다양한 샘플 분포를 안정적으로 처리.
3. 성능과 효율성
   • 딥러닝 기반 디노이저와 비교해 사전 학습 없이도 빠르고 안정적인 성능을 제공.
   • Neural Denoising 방식과 비교해 계산 비용이 적지만, 복잡한 디테일 표현에서는 한계가 있음.

---