아니 모델마다 식의 꼴이 너무 다름... normal distribution function만 봐도 blinn-phong하고 beckmann ggx하고는 서로 공통점이 없어보이고 shadowing masking function은 어떻게 유도되는지도 모르겠고 얘도 모델마다 식이 너무 다르고 이거 어떻게 이해해야함?
렌갤 pbr 념글도 읽어봤는데 아니 적당히만 이해할려고해도 모델마다 식 모양이 너무 달라서 어떻게 이해해야할지 모르겠음...
- dc official App
하나하나를 이해하는게 아니야., 그중에는 통계적으로/경험적으로 만들어진 모델들이 있기때문에.. 개별적으로 이해하는게 아니라, 아 이 함수들은 input이 이럴때 어떤 형태로 생겨먹었구나를 보는거고. 이해해야할 부분은 왜 이런 모델들을 조합해서 쓰는지, 즉 PBR에서는 Microfacet Theory를 이해해서. 어떤 방식으로 각 역할을하는 자리에 어떤 모델을 선택해서 넣는지. 왜 그 모델을 선택했는지. 실제로 그렇게 해서 만들어진 BxDF(BRDF, BTDF, BSDF, BSSRDF..)들을 이용했을때 비주얼적으로 어떻게 보이고. 무엇이 장점(현실적인 퀄리티를 보여줄수도 있고, 스타일리시 할 수도 있고, 효율적일 수도 있고) 이고,
무엇이 단점(알고리즘 복잡도, 계산 효율성)인지를 알고, 자신이 원하는 방식대로 BxDF를 모델링하거나. 이미 있는 모델을 평가해서 사용하는 공학적인 접근법이 유효할 거임
이게 바로 pbr이라는 이름의 문제임 이름 때문에 너무 물리, 수학적으로 접근하려고 함 pbr은 대부분 망상 + 노가다의 결정체인데