PBRT-v4中SPPM积分器的运动模糊问题分析与修复

问题背景

在PBRT-v4渲染引擎中，SPPM（Stochastic Progressive Photon Mapping，随机渐进式光子映射）积分器在处理运动模糊场景时出现了渲染结果不正确的问题。具体表现为：当场景中存在运动物体时，SPPM渲染结果与路径追踪（Path Tracing）渲染结果存在明显差异，运动模糊效果异常且整体亮度偏低。

技术分析

SPPM是一种结合了光子映射和渐进式渲染的混合算法。在原始实现中，SPPM为每条相机光线和光子光线独立采样时间值，这种处理方式导致了两个主要问题：

1. 时间一致性缺失：由于每条光线使用不同的时间采样，场景中的物体位置在不同光线中不一致，破坏了物理正确性。
2. 能量不守恒：独立时间采样导致光子映射阶段和相机光线阶段评估的几何关系不一致，造成能量损失和异常模糊效果。

解决方案

正确的实现应遵循原始SPPM论文的方法：在每次SPPM迭代开始时采样一个统一的时间值，该次迭代中的所有光线（包括相机光线和光子光线）都使用这个相同的时间值。这种处理方式保证了：

1. 物理一致性：每次迭代都完整评估场景在特定时间点的光照状态
2. 渐进收敛：随着迭代次数增加，结果会收敛到正确的运动模糊效果
3. 能量守恒：光子映射和光线追踪阶段评估相同的几何关系

实现细节

修复后的实现关键点包括：

1. 在SPPM迭代开始时调用Sampler::StartPixelSample()获取统一时间采样
2. 将该时间值传递给所有光线生成过程
3. 确保同一迭代中的所有光线使用相同的时间变换矩阵

效果验证

通过Cornell Box测试场景验证修复效果：

1. 路径追踪结果作为基准参考
2. 修复前SPPM渲染显示异常模糊和亮度问题
3. 修复后SPPM渲染结果与路径追踪结果一致
4. 运动模糊效果物理正确且视觉自然

技术意义

这一修复不仅解决了SPPM的运动模糊问题，更重要的是：

1. 验证了时间一致性在光子映射类算法中的重要性
2. 展示了混合算法中各阶段数据关联性的关键作用
3. 为其他基于光子映射的算法实现提供了参考范例

该修复已被合并到PBRT-v4主分支，显著提升了SPPM积分器在动态场景中的渲染质量。