kd‑트리 기반 다차원 스트라티피케이션으로 잡음 감소와 빠른 샘플링

본 논문은 컴퓨터 그래픽스에서 고차원 적분을 수행하는 Monte Carlo 기반 이미지 합성의 품질을 향상시키기 위해, kd‑트리를 이용한 새로운 스트라티피케이션 기법을 제안한다. 기존의 jittered sampling은 격자(grid) 형태로 도메인을 균등하게 나누고 각 셀에서 하나의 샘플을 추출한다. 그러나 이 방법은 샘플 수가 차원의 거듭제곱(k^d)이어야만 균등한 스트라타를 만들 수 있어 고차원에서는 실용성이 떨어진다. 저자들은 이러한 한계를 극복하기 위해 d 차원 하이퍼큐브를 이진 분할하는 kd‑트리를 설계하고, 모든 리프 노드가 동일한 부피를 갖도록 하는 알고리즘을 제시한다. 알고리즘 1은 입력으로 샘플 수 n과 차원 d를 받아, 재귀적으로 현재 영역을 두 개의 하위 영역으로 나누며, 나눔 축은 (m mod d) 로 순환한다. 나눔 위치는 현재 남은 파티션 수 N_rem 에 따라 결정되며, N_rem 이 짝수이면 정확히 중간에, 홀수이면 d·N_rem/2e 와 N_rem−d·N_rem/2e 비율로 나눈다. 이렇게 하면 최종적으로 n개의 리프가 동일 부피를 갖게 된다. 이 과정은 O(n) 시간 복잡도를 가지며, 전체 파티션을 한 번에 생성한다. 하지만 전체 파티션을 미리 생성하면 메모리와 전처리 비용이 발생하고, 병렬화가 어려워 실시간 렌더링에 부적합하다. 이를 해결하기 위해 저자들은 알고리즘 4(직접 경계 계산)를 도입한다. 각 샘플 i (0‑based) 를 이진 표현으로 변환하고, 오른쪽 비트부터 차례로 읽으며 현재 남은 파티션 수를 절반씩 감소시킨다. 각 비트는 현재 축에 대한 하한 또는 상한을 업데이트하는데 사용된다. 이 방식은 한 샘플당 O(d·log₂ n) 연산을 필요로 하지만, 샘플마다 독립적으로 수행될 수 있어 n개의 코어에서 동시에 O(log n) 시간에 샘플을 얻을 수 있다. 사전에 kd‑트리를 메모리에 저장하면 각 샘플을 O(1) 시간에 직접 접근 가능하다. 이론적 측면에서는 별‑불일치(star‑discrepancy)의 최악‑케이스 상한을 2^{d‑1}·d·n^{‑1/d} 로 증명한다. 이는 격자 기반 jittered sampling이 달성하는 O(n^{‑1/d})와 동일한 차수를 가지며, 고차원에서도 불일치가 급격히 증가하지 않음을 의미한다. 또한, 이 상한은 저불일치 시퀀스인 Halton·Sobol이 제공하는 O(log n·n^{‑1})와 비교해 차원이 커질수록 경쟁력을 유지한다. 실험에서는 다양한 차원(d = 2, 4, 8)과 샘플 수(n = 16 ~ 10⁴)에서 MSE, PSNR, 그리고 시각적 블루‑노이즈 특성을 평가하였다. kd‑트리 스트라타는 샘플 수가 격자 배수가 아닌 경우에도 균등 부피를 유지해 잡음이 고르게 퍼지고, 특히 차원이 4 이상일 때 Halton·Sobol이 보이는 차원 저주 현상을 완화한다. 또한, 병렬 구현 시 n = 1024 코어에서 O(1)·n 코어당 샘플링 속도가 기존 난수 발생기보다 5배 이상 빠른 것으로 나타났다. 결론적으로, 제안된 kd‑트리 기반 스트라티피케이션은 (1) 임의의 샘플 수에 대해 동일 부피 스트라타를 생성할 수 있는 유연성, (2) O(1)·n 코어에서의 완전 병렬성, (3) 격자 기반 방법과 동등하거나 더 나은 별‑불일치 상한, (4) 구현이 간단하고 메모리 요구가 낮은 점에서 기존 저불일치 시퀀스와 jittered sampling을 대체할 실용적인 대안으로 평가된다. 이는 실시간 경로 추적, 고품질 오프라인 렌더링, 그리고 고차원 적분이 필요한 물리 기반 시뮬레이션 전반에 걸쳐 적용 가능하다.