你有没有试过用一把豆子去估算一块不规则土地的面积？把豆子随机撒下去，数数落在土地里的比例，再乘以总面积——这就是蒙特卡洛积分的基本思路。但问题来了：如果只撒 100 颗豆子，估算结果可能偏差极大；撒 10000 颗，结果才开始稳定。在光线追踪渲染中，每一颗“豆子”就是一条光线采样，而每一条光线的计算都要付出真金白银的时间成本。想要画面干净，就得撒无数颗豆子；想要渲染够快，就得尽量少撒——这就是蒙特卡洛积分降噪要解决的终极矛盾。 不过别担心，聪明的人早就找到了办法：与其一次撒上百万颗豆子慢慢数，不如先撒稀疏的几把，再用“时间换空间”——把相邻几帧的豆子合并起来看，再把空间上邻近的豆子互相借力。这就是时域滤波和空域滤波的朴素思想，也是当今影视级降噪工具 SVGF、OIDN 的看家本领。这篇文章，我们就从一把豆子讲起，带你彻底搞懂蒙特卡洛积分降噪的原理、方法与落地实践。

岗位关联

对 AI 从业者的价值：降噪是渲染器中决定画质与性能平衡的关键环节，理解 SVGF/OIDN 的时域与空域滤波原理，能让你在渲染器优化、画质调校和 GPU 管线设计中做出更有依据的工程决策。

目录
  1. 可视化演示
  2. 噪声来源——豆子撒太少，面积当然估不准
  3. 时域累积——连拍照片叠起来，噪声自己就消了
  4. 运动矢量——给豆子们装上定位导航
  5. 空域滤波——邻居豆子互相借力，边缘还得守规矩
  6. SVGF架构——把时域和空域组装成一条降噪流水线
  7. 工程落地——从论文到生产线，OIDN 与性能预算
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

本节配有交互动效（进入视口后自动加载，约 3KB）。

降噪流水线：噪声\u2192时域\u2192空域\u2192干净 降噪流水线降噪流水线降噪流水线降噪流水线 降噪流水线降噪流水线降噪流水线降噪流水线

噪声来源——豆子撒太少，面积当然估不准

想象你在一张大草地上画了一个不规则的湖，想估算湖的面积。你手里只有一把豆子，撒出去数一数，落进湖里的有多少颗，用这个比例乘以草地面积——这就是蒙特卡洛积分。但问题在于，豆子每次撒的位置都是随机的，这次可能撒得很密，下次可能都落在同一个角落。于是估算结果就像喝醉了一样东倒西歪，忽高忽低。这种“忽高忽低”的程度，在数学上叫方差（Variance），而它正是蒙特卡洛积分产生噪声的根本来源。

在光线追踪里，每个像素的亮度就是那片“草地面积”，每一条从摄像机出发射向场景的光线就是一颗“豆子”。光线太少，豆子稀疏，像素间亮度差异巨大——有的像素恰好多采了几条亮光源的路径，有的像素则全是暗路径。反映到画面上，就是密密麻麻的颗粒噪点。这正是蒙特卡洛积分降噪要面对的第一性问题：噪声源于采样不足导致的方差。

这里的关键是：高斯光洁面的反射路径、边缘高频几何，都是“方差特别大”的积分函数。函数越“暴躁”，同数量豆子下的噪声就越明显。所以，想真正降噪，光靠加采样永远只是杯水车薪——我们得从“复用”中找答案。

---

I^=1N∑i=1Nf(Xi)p(Xi),Var⁡[I^]=1NVar⁡[f(X)p(X)]\hat{I} = \frac{1}{N} \sum_{i=1}^{N} \frac{f(X_i)}{p(X_i)}, \quad \operatorname{Var}[\hat{I}] = \frac{1}{N} \operatorname{Var}\left[\frac{f(X)}{p(X)}\right]
这里的核心含义是：估计值的方差与采样数 N 成反比。想让噪声减半，就要把采样数变成 4 倍——这代价太昂贵了，所以我们需要更聪明的降噪方法。
  1. 估计量$\hat{I}$ 表示用 N 个随机样本对真实积分值的估计，就像用 N 颗豆子估算湖面积。
    I^=1N∑i=1Nf(Xi)p(Xi)\hat{I} = \frac{1}{N} \sum_{i=1}^{N} \frac{f(X_i)}{p(X_i)}
  2. 加权求和$f(X_i)$ 是第 i 颗豆子贡献的亮度值，$p(X_i)$ 是豆子落在该位置的概率密度。用概率加权，是为了让“不均匀撒豆子”也能得到无偏估计。
    f(Xi)p(Xi)\frac{f(X_i)}{p(X_i)}
  3. 方差公式$ \operatorname{Var}[\hat{I}] = \frac{1}{N} \operatorname{Var}\left[\frac{f(X)}{p(X)}\right]$ 告诉我们——估计值的方差等于单次随机变量的方差除以 N。这就像全班平均分：单个人的成绩波动很大，但 100 个人的平均分就稳定得多。
    Var⁡[I^]=1NVar⁡[f(X)p(X)]\operatorname{Var}[\hat{I}] = \frac{1}{N} \operatorname{Var}\left[\frac{f(X)}{p(X)}\right]

时域累积——连拍照片叠起来，噪声自己就消了

假设你要拍一张夜景照片，但相机 ISO 太高，单张照片噪点如同雪花。聪明摄影师会做一件事：把相机稳稳架在三脚架上，连续拍 10 张，然后在电脑里把这 10 张照片逐像素相加再取平均。你会发现，噪点像被施了魔法一样大幅消失——因为每张照片的噪点都是独立随机出现的，10 张一平均，随机性相互抵消，而真实画面内容始终一致，于是轮廓就凸显出来了。

这正是时域累积（Temporal Accumulation）的核心思想：在动画渲染中，相邻两帧的画面往往只有微小变化。我们为什么不把上一帧已经算好的“豆子”拿过来，和当前帧的豆子一起计数呢？在静态场景里，这个方法几乎没有副作用——上一帧的豆子和这一帧的豆子都落在同一个“湖”里，累积起来的有效采样数 N 迅速变大，方差随之按 1/N 下降。

时域累积最怕一件事——画面动了。如果相机在移动，上一帧像素记录的是场景 A 点的颜色，这一帧像素对应的却是 B 点。如果硬把两个不同世界的豆子混在一起计数，画面就会出现“鬼影”（Ghosting），像曝光过度的残影。这时候，就需要运动矢量登场了。

---

C^i=α⋅Ci+(1−α)⋅C^i−1\hat{C}_i = \alpha \cdot C_i + (1 - \alpha) \cdot \hat{C}_{i-1}
这是时域累积的指数加权滑动平均公式。α 是当前帧的权重（比如 0.2），上一帧滤波结果占 80% 权重——旧帧信息像陈年酒酿，越积越香，但也别让旧账拖累新画面。
  1. 当前帧原始值$C_i$ 是第 i 帧当前像素的原始蒙特卡洛估计值，即刚撒完豆子的粗糙结果。
    CiC_i
  2. 历史累积值$\hat{C}_{i-1}$ 是上一帧经过滤波和累积后的结果，它代表了“过去所有帧的智慧沉淀”。
    C^i−1\hat{C}_{i-1}
  3. 指数加权混合$\alpha$ 通常在 0.05 到 0.2 之间。$\alpha$ 越小，历史帧占比越高，降噪越彻底，但画面更新越迟钝；$\alpha$ 越大，响应越快，但降噪效果越弱。这就像调鸡尾酒——旧酒比例越高，口感越醇厚，但新调味的占比就少了。
    C^i=α⋅Ci+(1−α)⋅C^i−1\hat{C}_i = \alpha \cdot C_i + (1 - \alpha) \cdot \hat{C}_{i-1}

运动矢量——给豆子们装上定位导航

想象你在火车上拍窗外的风景，远处的山峦缓慢移动。如果要把多张照片叠起来降噪，你不能简单地像素对齐像素——因为山的位置在每帧里都变了。聪明的做法是：先用某种技术算出“山在这一帧里向右移动了几个像素”，然后把上一帧的照片按这个偏移量平移之后再叠加。这就是“运动估计 + 补偿”的思路，在视频压缩中叫运动矢量，在渲染中叫重投影（Reprojection）。

在渲染器里，运动矢量的计算通常不需要额外的智能算法——因为场景的三维几何和相机参数都是已知的。我们可以把上一帧像素对应的三维点，重新投影到当前帧的相机坐标系中，看看它会落在哪个新像素位置。只要知道当前的相机视角和物体的运动状态，这个投影过程就是纯几何计算，像做一道精确的解析几何题。这就是“几何投影法”估计运动矢量的过程，远比计算机视觉中的光流法更精确。

但运动矢量并非万无一失。物体遮挡会让某些区域的前一帧豆子直接消失，边缘处的几何预估也可能偏差一两个像素。因此成熟的渲染器会给每个像素计算运动矢量的置信度——置信度低的区域就减少历史帧的权重，甚至完全放弃累积。这就像导航信号不稳定时，你会降低对导航的信任转而靠自己的眼睛观察路况。

---

pt−1↦pt=Pt(Pt−1−1(pt−1))\mathbf{p}_{t-1} \mapsto \mathbf{p}_t = P_t\left(P_{t-1}^{-1}(\mathbf{p}_{t-1})\right)
公式含义是：上一帧的像素坐标经过逆投影到世界空间，再经过当前帧的相机投影，得到它在当前帧的新像素位置。有了这个对应关系，时域累积就能“沿着运动方向”对齐旧帧的豆子。
  1. 上一帧像素坐标$\mathbf{p}_{t-1}$ 是上一帧中某个像素的坐标（x, y）。
    pt−1\mathbf{p}_{t-1}
  2. 逆投影到世界空间$P_{t-1}^{-1}$ 将像素坐标还原为三维世界坐标点，就像从照片反推实物位置。
    Pt−1−1(pt−1)P_{t-1}^{-1}(\mathbf{p}_{t-1})
  3. 重投影到当前帧$P_t$ 将世界坐标点投影到当前帧的像素平面，得到新的像素坐标 $\mathbf{p}_t$。这样我们就知道“上一帧的这一撮豆子，现在应该归到哪个新像素名下”。
    pt=Pt(Pt−1−1(pt−1))\mathbf{p}_t = P_t\left(P_{t-1}^{-1}(\mathbf{p}_{t-1})\right)

空域滤波——邻居豆子互相借力，边缘还得守规矩

如果时域累积是“用时间换降噪”，那空域滤波就是“用空间换降噪”。在一张含噪图片里，一个像素的亮度通常和它周围的像素高度相关——墙壁是平的，颜色应该均匀；即便是复杂纹理，邻近像素的亮度变化也不会过于剧烈。所以最朴素的想法是：把每个像素周围一圈邻居的亮度值加权平均，噪声不就自然被“抹平”了吗？

但这里有个致命陷阱：如果对所有邻居一视同仁地平均，就会把物体的边缘糊掉。墙壁和桌子的交界处，左边是白色，右边是黑色，一平均就成了灰色——边缘被“洗”没了。所以专业的降噪滤波必须是边缘感知的：它不只考虑“距离上离得近不近”，还要看“这个邻居和我是否来自同一个表面”。判断依据通常是法线方向（Normal）和深度值（Depth）：如果邻居像素的法线方向差异很大，说明它们来自不同的几何表面，权重就应该大幅降低。

有了这套权重体系，空域滤波就能在“平滑噪声”和“保留边缘”之间取得精细的平衡。邻居豆子可以借力，但只有“信得过”的邻居才有资格参与投票。这就像邻里互助：你可以借用邻居家的面粉，但首先得确认邻居和你住在同一栋楼、同一层、朝向一致，否则借来的面粉可能并不适合你的配方。

---

w(p,q)=wdist⋅wnormal⋅wdepthw(\mathbf{p}, \mathbf{q}) = w_{\text{dist}} \cdot w_{\text{normal}} \cdot w_{\text{depth}}
权重公式的含义：空域滤波的权重是三个因子的乘积——空间距离衰减、法线方向一致性、深度一致性。三者同时通过，邻居才“够格”参与平均。
  1. 空间距离权重$w_{\text{dist}}$ 表示像素 $\mathbf{q}$ 离中心像素 $\mathbf{p}$ 越远，权重越低，通常用高斯核实现。
    wdist=exp⁡(−∥p−q∥22σs2)w_{\text{dist}} = \exp\left(-\frac{\|\mathbf{p} - \mathbf{q}\|^2}{2\sigma_s^2}\right)
  2. 法线一致性权重$w_{\text{normal}}$ 衡量两个像素的法线夹角大小，夹角越大越不可能是同一表面。它像一面照妖镜，让滤波不会跨过边缘。
    wnormal=max⁡(0,np⋅nq)γw_{\text{normal}} = \max(0, \mathbf{n}_p \cdot \mathbf{n}_q)^\gamma
  3. 深度一致性权重$w_{\text{depth}}$ 比较两个像素的深度值差异，防止前景物体和背景物体发生颜色串扰。
    wdepth=exp⁡(−∣zp−zq∣22σz2)w_{\text{depth}} = \exp\left(-\frac{|z_p - z_q|^2}{2\sigma_z^2}\right)

SVGF架构——把时域和空域组装成一条降噪流水线

前面讲的都是零部件：时域累积负责“吃老本”，运动矢量负责“对齐过往”，空域滤波负责“向左邻右舍借力”。真正的工程大师会把它们组合成一条完整的流水线——这就是 SVGF（Spatio-Temporal Variance-Guided Filtering，时空方差引导滤波） 的诞生逻辑。SVGF 是 2017 年由 Schied 等人提出的实时降噪算法，至今仍是游戏引擎和实时渲染器中使用最广泛的降噪方案之一。

SVGF 的聪明之处在于一个关键洞察：哪里噪声大，哪里就多滤波；哪里噪声小，哪里就少滤波。它先用一小组额外光线样本估计出每个像素的亮度方差，把“噪声地图”绘制出来。然后基于方差图，动态调整空域滤波的强度——方差大的区域加大滤波半径，方差小的区域保持锐利。这个“方差引导”机制让滤波不再是盲人摸象，而是带着听诊器的精准医生。

在具体实现上，SVGF 使用 ATrous 小波变换做多尺度迭代滤波：第一轮小半径滤波去除高频噪声，第二轮扩大半径去除中频噪声，如此迭代几次，噪声从细到粗层层剥离。每轮迭代之间还穿插一次时域累积，让时间维度的信息持续注入。这个“多尺度剥洋葱”的过程，就是 SVGF 能在 1 样本/像素的低采样率下产出高质量画面的秘密武器。

---

C^i=∑q∈Ωw(p,q)⋅Ci(q)∑q∈Ωw(p,q)\hat{C}_{i} = \frac{\sum_{\mathbf{q} \in \Omega} w(\mathbf{p}, \mathbf{q}) \cdot C_{i}(\mathbf{q})}{\sum_{\mathbf{q} \in \Omega} w(\mathbf{p}, \mathbf{q})}
这是 SVGF 中空域滤波的标准化权重平均公式。分子是邻居像素亮度按权重求和，分母是权重之和，保证结果亮度不偏不倚。
  1. 滤波窗口$\Omega$ 表示以像素 $\mathbf{p}$ 为中心、半径为 r 的邻居像素集合。
    Ω={q:∥p−q∥≤r}\Omega = \{\mathbf{q} : \|\mathbf{p} - \mathbf{q}\| \le r\}
  2. 双边权重$w(\mathbf{p}, \mathbf{q})$ 是上节提到的多维权重乘积，但 SVGF 还额外加入了颜色权重——中心像素和邻居像素的颜色差异越大，权重越低，进一步保护纹理细节。
    w(p,q)=wdist⋅wnormal⋅wdepth⋅wcolorw(\mathbf{p}, \mathbf{q}) = w_{\text{dist}} \cdot w_{\text{normal}} \cdot w_{\text{depth}} \cdot w_{\text{color}}
  3. 归一化加权平均分母归一化保证滤波前后整体亮度不变，不会让画面越滤越暗。
    C^i=∑w⋅C∑w\hat{C}_{i} = \frac{\sum w \cdot C}{\sum w}

工程落地——从论文到生产线，OIDN 与性能预算

理论再漂亮，也要落地到工程才算数。在实际的渲染器与游戏引擎中，SVGF 已经展现出惊人效果，但工程人员还需要考虑两个现实问题：一是 GPU 计算资源有限，二是不同硬件平台的适配。这时，OIDN（Open Image Denoise） 作为 Intel 开源的降噪库走进了视野。OIDN 基于深度学习——它用大量含噪与干净图像对训练了一个卷积神经网络，推理时只需将含噪图像、法线图、深度图和反照率图喂给网络，就能直接输出去噪结果。

OIDN 与 SVGF 的定位不同：SVGF 是实时的、逐帧递推的，适合交互式渲染；OIDN 是离线的、单帧独立的，适合最终帧的精品渲染（如电影特效）。OIDN 的优势在于——它利用 GPU/CPU 的硬件加速指令（如 AVX-512），推理速度极快，而且对动态场景毫无压力（因为它不做帧间累积）。很多生产级渲染器（如 Blender Cycles）的默认降噪方案就是 OIDN。

工程实践中有几个普适的调优经验：降采样预处理——把大分辨率图缩小到 1/4 再滤波，效率翻倍，细节损失可用后处理锐化弥补；逐项调参——α（时域权重）调低减少鬼影、σ_s（空域半径）调大增强平滑、方差引导强度调中避免过度模糊；性能预算——在实时光线追踪中，通常给降噪分配每帧总时间的 10%~15%，超过就不值得了。这些经验像厨师的“火候控制”——配方一样，手法不同，成品天差地别。

---

text1 行
输入 → 含噪颜色图 + 反照率图 + 法线图 + 深度图 → OIDN 推理 → 干净输出

AI 应用场景

影视离线渲染的画质提升

阶段：渲染后期降噪处理

解决的问题：电影特效的路径追踪渲染中，每帧需要数千次采样才能达到电影级画质，单帧渲染几十小时。借助降噪技术可以大幅降低采样数，但传统滤波容易丢失细节。OIDN 的深度学习降噪可以在极低采样（如每像素 64 样本）下产出干净画面，将渲染时间从 50 小时压缩到 3 小时。

具体案例：某动画电影工作室在渲染以毛发为主的角色镜头时，传统蒙特卡洛采样在毛发区域产生严重噪点。引入 OIDN 后，配合法线和深度辅助通道输入，在降低 70% 采样量的同时保持了毛发的纤维级细节，单帧渲染时间从 12 小时降至 2.5 小时。

实时光线追踪游戏的帧率平衡

阶段：实时渲染管线中的去噪环节

解决的问题：NVIDIA RTX 系列 GPU 支持实时光线追踪，但如果完整追踪每像素 4 条光线，帧率会跌到不可玩的程度。SVGF 类时域降噪方案允许渲染器只用每像素 1 条光线完成追踪，然后通过时域累积和空域滤波补足质量，让 1080p/60fps 成为可能。

具体案例：《地铁：离去》增强版的实时全局光照场景中，工程师在动态天气和日夜循环条件下调整 SVGF 的时域权重 α。当角色快速转动视角时，动态降低 α 值以减少鬼影；在静态场景探索时，升高 α 值获取最干净的反射效果。

建筑可视化中的交互式预览

阶段：实时预览渲染

解决的问题：建筑设计师在调整材质和灯光时，希望能即时看到效果，但离线渲染器每调整一次参数要数分钟。使用降噪技术后，可以用极低采样数快速预览，让设计师获得接近最终质量的即时反馈，大幅提升迭代效率。

具体案例：某建筑可视化公司的设计平台上，集成了 Intel OIDN 作为预览渲染器降噪核心。设计师拖动灯光亮度滑块时，渲染器以每像素 128 个样本快速出图，OIDN 在 V-Ray 基准测试中标称的 Dalai 模型降到 30 毫秒内完成推理，预览帧率达到 12fps。

Python 演示

python86 行
import numpy as np  def generate_noisy_image(height=64, width=64, base_color=0.5, noise_level=0.4):    """用蒙特卡洛方式生成一张含噪图像：真实值 + 随机噪声"""    true_image = np.full((height, width), base_color)    true_image[:, width // 3:] = 0.3  # 右侧是暗区域    true_image[height // 4: height // 2, width // 4: width // 2] = 0.8    noise = np.random.normal(0, noise_level, size=(height, width))    return true_image, true_image + noise  def variance_guided_filter(image, guide, radius=2, sigma_color=0.1, sigma_spatial=2.0):    """方差引导的加权滤波：在平滑噪声时保留边缘"""    h, w = image.shape    result = np.zeros_like(image)    weight_sum = np.zeros_like(image)     # 以 guide 作为边缘信息，计算细节权重    guide_grad = np.abs(np.gradient(guide))    detail_weight = 1.0 / (1.0 + 10.0 * (guide_grad[0] + guide_grad[1]))     for dy in range(-radius, radius + 1):        for dx in range(-radius, radius + 1):            if dx * dx + dy * dy > radius * radius:                continue            shift_image = np.roll(np.roll(image, dy, axis=0), dx, axis=1)            shift_guide = np.roll(np.roll(guide, dy, axis=0), dx, axis=1)             spatial_w = np.exp(-(dx * dx + dy * dy) / (2 * sigma_spatial * sigma_spatial))            color_w = np.exp(-((image - shift_image) / sigma_color) ** 2)            w = spatial_w * color_w * detail_weight             result += w * shift_image            weight_sum += w     return np.where(weight_sum > 0, result / weight_sum, image)  def estimate_variance(image, patch_size=5):    """估计局部方差，用于构建噪声地图"""    from numpy.lib.stride_tricks import sliding_window_view    h, w = image.shape    pad = patch_size // 2    padded = np.pad(image, pad, mode='reflect')    patches = sliding_window_view(padded, (patch_size, patch_size))    return patches.reshape(h, w, -1).var(axis=2)  def main():    h, w = 64, 64    true_img, noisy_img = generate_noisy_image(h, w, noise_level=0.35)     # 简单均值滤波：与方差引导滤波形成对比    kernel = np.ones((3, 3)) / 9.0    from scipy.ndimage import convolve     try:        mean_filtered = convolve(noisy_img, kernel, mode='reflect')    except ImportError:        # 若没有 scipy，则手动实现 3x3 均值        mean_filtered = np.zeros_like(noisy_img)        for dy in (-1, 0, 1):            for dx in (-1, 0, 1):                mean_filtered += np.roll(np.roll(noisy_img, dy, axis=0), dx, axis=1)        mean_filtered /= 9.0     # 方差引导滤波：用自己的含噪图作为 guide    sigma_v = estimated_var = estimate_variance(noisy_img)    guide = noisy_img - 0.5 * estimated_var / (estimated_var.max() + 1e-6)    vgf_result = variance_guided_filter(noisy_img, guide, radius=2)     def psnr(img1, img2):        mse = np.mean((img1 - img2) ** 2)        if mse == 0:            return float('inf')        return 10 * np.log10(1.0 / mse)     print('含噪图像 PSNR: {:.2f} dB'.format(psnr(noisy_img, true_img)))    print('均值滤波 PSNR: {:.2f} dB'.format(psnr(mean_filtered, true_img)))    print('方差引导滤波 PSNR: {:.2f} dB'.format(psnr(vgf_result, true_img)))    print('演示结束：方差引导的加权滤波在保留边缘的同时更有效地去除了噪声。')  if __name__ == '__main__':    main()
目的：演示“方差引导加权滤波”相比“普通均值滤波”的优势——在降低噪声的同时保留边缘细节。
  1. true_image[:, width // 3:] = 0.3构造包含清晰边缘的测试图像，方便对比滤波效果
  2. noise = np.random.normal(0, noise_level, ...)模拟蒙特卡洛采样产生的随机噪声
  3. guide_grad = np.abs(np.gradient(guide))计算引导图的梯度，梯度大的位置是边缘，应降低滤波权重
  4. color_w = np.exp(-((image - shift_image) / sigma_color) ** 2)颜色差异权重，邻居与中心差异越大权重越低
  5. w = spatial_w * color_w * detail_weight三步权重相乘，完整模拟双边滤波的边缘感知机制
  6. estimate_variance估算局部方差，用方差图反过来修正引导信息，模拟 SVGF 的“方差引导”思路
  7. psnr(noisy_img, true_img)计算峰值信噪比，定量评估降噪效果

常见误区

误区我刚学渲染的时候觉得降噪不就是把图片变模糊吗？噪点不也是高频信息吗，模糊掉不就行了？

正解直接模糊确实能去噪，但会把边缘、纹理细节一起抹掉，画面变成“油乎乎”的一片。专业的降噪是一个“选择性模糊”的过程：在平坦区域放心大胆地模糊，在边缘和细节区域谨慎处理。这就像修图时用蒙版保护主体——摄影师只会对天空等区域做磨皮，绝不会把人的五官也磨掉。

为何常见：因为噪声确实是高频成分，而模糊也是滤除高频信号，人们很自然地联想到“以毒攻毒”。

误区蒙特卡洛误差不是和样本数 N 有关吗？那我把采样数从 100 提高到 200，噪声应该减少一半吧？

正解方差与 N 成反比，但噪声的量级（标准差）与 $1/\sqrt{N}$ 成正比。所以采样数从 100 翻倍到 200，噪声只降为原来的约 0.7 倍。要把噪声降到一半，需要把采样数提高到原来的 4 倍。这个“边际收益递减”规律决定了堆采样的性价比极低——这也是为什么降噪技术如此重要。

为何常见：直觉上线性思维很容易联想到“采样翻倍、质量翻倍”，但方差的平方根关系打破了这种线性直觉。

误区SVGF 这么聪明，连方差都会利用，它肯定是用神经网络训练出来的吧？

正解SVGF 完全是手工设计的传统滤波算法，没有任何神经网络组件。它利用的是 ATrous 小波多尺度分解加上漂亮的数学推导。而 OIDN 才是基于深度学习（卷积神经网络）的方案。两者是“老匠人手艺”与“AI 学徒”的差异——SVGF 的每个权重因子都有明确的物理含义，OIDN 的权重则隐式地学在了网络参数里。

为何常见：近年来 AI 降噪（如 OIDN、OptiX）很火，人们容易把所有智能降噪都归功于深度学习。

误区要处理物体运动，肯定得用 OpenCV 的光流算法来算像素移动方向吧？

正解在渲染器中，运动矢量通常不需要光流法——因为场景的 3D 几何是已知的，可以直接用正投影/逆投影的几何计算精确得到每像素的运动矢量。光流法是在没有几何信息时（比如对真实视频）的无奈之举。渲染器有“作弊神器”—— 几何投影法又快又准，还不需要复杂的特征匹配。

为何常见：计算机视觉的知识先入为主，让人忽视了渲染器场景中“几何已知”这个重要前提。

误区时域累积不是把历史帧都平均起来吗？那我一直积累不就无限接近真实值了？

正解无限累积会导致两个问题：一是动态场景下的鬼影会越来越重，因为历史帧里包含的是“过去位置的内容”，一旦物体移动，旧像素就会拖出残影；二是数值精度的累积误差。所以工程中一般用指数加权平均（旧帧权重按指数衰减），而非均匀平均。同时需要运动矢量对齐，否则“平均”的对象根本不对位。

为何常见：从“平均降噪”的直觉出发，自然认为平均越多越准确，忽略了画面内容变化这个前提。

面试题

Q1. 蒙特卡洛积分的方差随采样数 N 如何变化？

单选题 · easy

  • A.与 N 成正比，采样越多噪声越大
  • B.与 N 成反比，采样越多噪声越小← 正确答案
  • C.与 N 的平方成反比，效果极佳
  • D.与 N 无关，噪声恒定不变

答案：B。蒙特卡洛估计的方差公式为 Var = σ²/N，即方差与 N 成反比。但噪声的量级（标准差）与 1/√N 成正比，因此要让噪声减半需要 4 倍采样量，这正是降噪技术存在的原因。

Q2. SVGF 的全称是什么？

单选题 · easy

  • A.Spatial Visual Gradient Filtering
  • B.Spatio-Temporal Variance-Guided Filtering← 正确答案
  • C.Super Vector Graphics Framework
  • D.Standard Variance Gradient Function

答案：B。SVGF 是 Spatio-Temporal Variance-Guided Filtering（时空方差引导滤波）的缩写。它的核心思想是用方差图引导滤波强度——方差大的区域多滤波，方差小的区域保细节。其他选项均为混淆项。

Q3. 时域累积中的指数加权参数 α 取值较小时，会产生什么效果？

单选题 · mid

  • A.当前帧权重高，画面响应快但噪声多
  • B.历史帧权重高，降噪彻底但画面更新慢← 正确答案
  • C.噪声与历史帧无关，完全取决于当前帧
  • D.画面会出现色彩偏移，无法正常渲染

答案：B。α 是当前帧的权重，α 越小则 (1-α) 越大，历史帧占比越高。这会带来更强的降噪效果，但在动态场景中响应变慢，容易产生鬼影。调参就是在这两者间寻找平衡。

Q4. 渲染器中计算运动矢量通常使用什么方法？

单选题 · mid

  • A.基于深度学习的卷积神经网络
  • B.几何投影法，利用已知的 3D 场景信息← 正确答案
  • C.基于颜色直方图的特征匹配
  • D.随机采样并统计像素位移

答案：B。渲染器拥有完整的三维场景几何信息，因此可以直接用逆投影+重投影的纯几何方法计算运动矢量，比光流法更精确。光流法和特征匹配通常用于没有几何信息的真实视频场景。

Q5. 空域滤波中，法线权重的作用是什么？

单选题 · mid

  • A.增加边缘像素的亮度值
  • B.防止滤波跨越几何边缘产生模糊← 正确答案
  • C.提高场景中光线的反射强度
  • D.降低噪声像素的颜色饱和度

答案：B。法线权重比较邻居像素与中心像素的法线方向。法线方向差异大说明它们属于不同表面（比如墙壁和地板），此时权重降低，防止边缘被平均成灰色。这是边缘感知滤波的关键机制。

Q6. OIDN 与 SVGF 在定位上的主要差异是什么？

单选题 · hard

  • A.OIDN 是实时算法，SVGF 是离线算法
  • B.OIDN 是深度学习方案，SVGF 是传统滤波方案← 正确答案
  • C.OIDN 不做空域滤波，SVGF 不做时域滤波
  • D.OIDN 仅支持 CPU，SVGF 仅支持 GPU

答案：B。OIDN 基于卷积神经网络推理（深度学习），适合离线高质量渲染；SVGF 是手工设计的多尺度双边滤波，适合实时渲染。两者都能用 CPU 或 GPU 加速，也都结合了时域和空域信息。

Q7. 在极端低采样率（如每像素 1 条光线）下，SVGF 仍能工作的关键机制是什么？

单选题 · hard

  • A.提前计算好的全局光照贴图
  • B.时域累积叠加方差引导的滤波权重← 正确答案
  • C.使用更高精度的浮点数运算
  • D.强制将所有像素设为同一颜色

答案：B。SVGF 在每像素 1 次采样下通过两条腿走路：时域上不断累积历史帧有效样本量，空域上用方差图引导滤波强度。二者结合使有效采样数迅速增长，即便原始采样极稀疏也能收敛到干净画面。

Q8. 以下哪些因素会影响空域滤波中邻居像素的权重？

多选题 · mid

  • A.邻居像素与中心像素的空间距离← 正确答案
  • B.邻居像素的法线方向是否一致← 正确答案
  • C.邻居像素的深度值是否接近← 正确答案
  • D.邻居像素的磁盘存储位置

答案：ABC。空间距离（高斯核）、法线方向一致性、深度一致性共同决定空域滤波的权重。磁盘存储位置与画面内容无关，不影响滤波权重。这三个权重因子相乘，确保滤波在平滑噪声的同时不破坏几何边缘。

Q9. 时域累积可能产生哪些问题？

多选题 · mid

  • A.物体快速移动时出现鬼影残影← 正确答案
  • B.场景突然变化时画面迟钝缓慢← 正确答案
  • C.运动矢量估计错误导致错位叠影← 正确答案
  • D.静态场景下噪声反而更加严重

答案：ABC。时域累积把历史帧内容混入当前画面，当物体移动时旧位置信息拖出残影（鬼影）；场景切换时旧信息来不及消失导致迟钝；运动矢量错误时历史帧对齐失败产生叠影。但静态场景中时域累积非常有效，噪声不会加重。

Q10. 关于方差引导滤波，以下说法正确的是？

多选题 · hard

  • A.方差越大表示该区域噪声越严重← 正确答案
  • B.方差大的区域应增强滤波强度← 正确答案
  • C.方差小的区域应保持画面锐利← 正确答案
  • D.方差图只能通过额外光线计算得到

答案：ABC。局部方差是衡量噪声程度的良好指标——方差大噪声重，方差小噪声轻。SVGF 据此动态调整滤波强度，噪声大的地方多平滑，噪声小的地方保细节。方差图除额外采样外还可从历史帧差异中估计，并非只能靠额外光线。