Q119：PBRT-V3，“复合重要性采样”（13.10章节）

之前在学习《Ray Tracing From The Ground Up》时，有总结过“蒙特·卡罗积分”：
Q73：蒙特•卡罗积分（Monte Carlo Integration）

后文内容，主要参考PBRT-V3的13.10章节。

一、重要性采样

对于积分：

Monte Carlo estimator:

“重要性采样”就是根据f(x)的值来调整p(x)的概率分布。
也就是说：f(x)值大的地方，就多采几个点；f(x)值小的地方，就少采几个点。
（f(x)值大的地方说明：这个地方的x对积分结果的贡献大，所以要多采几个点）

p(x)的概率分布和f(x)的值越是接近，Monte Carlo estimator计算的结果越精确。

如果不是“重要性采样”，会怎么样呢？

不是“重要性采样”，也就是说：
case 1，f(x)值大的地方，p(x)的概率分布小；
case 2，f(x)值小的地方，p(x)的概率分布大；

回头看看Monte Carlo estimator，累加的单项是：f(x)/p(x)
“重要性采样”的情况是：大/大+小/小

不是“重要性采样”的情况是：大/小+小/大

问题来了，“大/小”会得到一个很大的值，使得整体的方差增大；
“小/大”会得到一个很小的值，也使得整体的方差增大；

前面的内容只是为了说明一点：
p(x)的概率分布和f(x)的值差异越小，计算的结果越精确；