Вышла папира от азиатских коллег, где ребята исследовали нейронный паф гайдинг, но через von Mises-Fisher (гауссианы). Посылали на Сигграф ещё в прошлом году, но тогда не прошло.

Паф гайдинг - это когда мы пытаемся направлять пути света в паф трейсинге так, чтобы они шли туда, откуда в итоге приходит больше излучения. Это делается для того, чтобы Monte Carlo сходился быстрее и было меньше шума.

Проблема: нам по сути нужно запоминать radiance field и уметь из него семплировать, что приводит к проблеме выбора базиса для распределения.

Рассматривают на примере оффлайн рендера, из-за ряда технических ограничений, но предлагают онлайн алгоритм обучения распределений.