焦散 (光學)

光學中，焦散現象（caustic^[1]）是被彎曲的面或物體反射或折射後，出現光線的包絡，或包絡在另一面上的射影。^[2]焦散現象會形成焦散線或焦散面，每條光線都與之相切。^[2]如右圖所示，可見明顯的焦散線。這些形狀通常有尖點。

淺水中的焦散線

解釋

集中的光線（如陽光）會灼傷人。「焦散」（caustic）一詞來自希臘語καυστός「燒焦」，途經拉丁語causticus「燃燒」。

光線照射在酒杯上時，就會出現焦散現象。玻璃杯會投射出陰影，也會產生彎曲的亮區。在理想情況下（包括平行光射入時）會產生腎形光斑。^[3]^[4]光線穿過波浪照射在水體上時，通常會形成波紋狀的焦散線。

彩虹是人們熟悉的另一種焦散現象。^[5]^[6]雨滴對光的散射會使不同波長的光折射成半徑不同的弧線，從而產生彩虹。

計算機製圖

計算機圖形學中，大多數現代渲染系統都支持焦散效果，其中有些甚至還支持立體焦散。這是通過光線追蹤光束的可能路徑，並考慮折射與反射實現的；光子映射是其中一種實現方式。立體焦散也可以由體積路徑跟蹤實現。一些計算機圖形系統採用「正向光追」技術，將光子模擬為來自光源，按照規則在環境中反彈。在有足夠光子照射到表面的區域，就會形成焦散，使其比平均區域更亮。「反向光追」則是以相反方式工作，從表面開始，確定是否有通向光源的路徑。^[7]這裡（頁面存檔備份，存於網際網路檔案館）可見一些三維光追焦散的例子。

大多數計算機圖形系統的重點在美學而非物理上精確，這在電腦遊戲的實時渲染中尤為明顯^[8]，遊戲中大多使用預先算好的材質。

焦散工程

焦散工程描述的是解決計算機圖形學中逆問題的過程。即，在給定圖像的前提下，確定折射或反射光形成圖像的表面。

在這問題的離散版本中，表面會被分為若干微表面，假定是光滑的，即每片微表面反射/折射的光線形成高斯焦散。這意味着，每個微表面都服從高斯分布。每塊微表面的位置與方向由泊松積分與模擬退火相結合的方法得到。^[9]

解決連續問題的方法多種多樣，如利用運輸理論中所謂最優運輸（optimal transport）的思想^[10]尋找入射光與目標表面之間的映射。獲得這種映射後，利用斯涅爾定律反覆調整，從而優化表面。^[11]^[12]

基於最優運輸的焦散圖案設計

基本原理

控制焦散圖案是相當具有挑戰性的問題，因為表面的微小變化會嚴重影響圖案質量：光線方向在與材料反射/折射時可能會受到其他光線的干擾。這將導致圖案離散、不連續。為了解決這個問題，基於最優運輸的方法是現有的建議方法之一，它可以在光線穿過某種透明材料表面傳播時改變光線方向，從而控制焦散圖案。^[13]^[14]給定物體/圖案的參考圖像，目標是描述光線折射通過的材料表面，並匯聚到參考圖像的類似圖案。具體方法是重新排列/重新計算初始光強，直到得到優化問題的最小值。

設計管線

這裡進考慮折射焦散，對象可按如下方式確定（不同輸出的反射焦散也有類似原理）：

輸入: 給定光源位置，燈光通過材料傳播後獲得的圖案圖像。

輸出: 接收面（平坦的固體表面，例如：地板、牆壁等）上的焦散圖形。

為實現目標圖案，須將光線射向外部環境的表面加工成一定形狀，以便在另一面實現所需的圖案。

如上述，在輸入圖像的情況下，該過程將產生類似的焦散圖案作為輸出。原則上，有兩個核心階段，又分成兩個子階段：

基於最優運輸的焦散設計
解最優運輸問題
1. 計算目標光分布
2. 計算從初始分布到目標分布的映射
優化目標表面
1. 計算表面的法線表示
2. 表面細化

解最優運輸問題

在透明表面發生折射的情況下，例如在清澈水面下出現的圖案，可以觀察到3種主要現象：

非常亮（凝聚光強）的點（所謂奇點）
連接各點的曲線狀對象
光強度較低的區域

未進行計算，我們引入以下3個量來描述圖案的幾何特徵：點奇異性 $\Phi _{p}$ （度量某些高度集中的點的光強）、線奇異性 $\Phi _{c}$ （度量某些較亮曲線附近的光強）、輻照度 $\Phi _{I}$ （測量某個光照不集中區域的強度）。把它們放在一起，下面的函數就定義了目標表面上某一部分Ω的總輻射功率 $\Phi _{T}$ ：

\Phi _{T}(\Omega )=\textstyle \sum _{i=1}^{N_{\delta }}\Phi _{p}^{i}(\Omega )+\sum _{j=1}^{N_{\gamma }}\Phi _{c}^{j}(\Omega )+\Phi _{I}(\Omega )\displaystyle

這步之後，就有了兩個輻射通量測量值，分別是輻射源 $\Phi _{S}$ （由初始化均勻分布）與目標 $\Phi _{T}$ （上一步計算）。剩下要計算的是從源到目標的映射。為此要先定義幾個量，首先是兩個由概率取值的光強： $\mu _{S}$ （用 $\Phi _{S}$ 除以 $\Phi _{S},\ \Phi _{T}$ 之間聯合區域的通量）、 $\mu _{T}$ （用 $\Phi _{T}$ 除以 $\Phi _{S},\ \Phi _{T}$ 之間聯合區域的通量）。其次，由多個點 $s_{i}\in (\Phi _{S}\cup \Phi _{T})$ 生成原網格，之後再變形。接着，在這組點 $s_{i}$ 上定義power圖 $P_{w}$ （一組power元 $C_{i}^{w}$ ），由權向量 $\omega$ 加權。最後，我們的目標是決定要移動哪些power元。考慮面上所有 $x$ 個頂點，找到以下凸函數的最小值 $\omega _{min}$ ，就可得到目標的匹配power圖：

f(\omega )=\sum _{s_{i}\in S}(\omega _{i}.\mu _{S}(C_{i}^{0})-\int \limits _{C_{i}^{\omega }}(\|x-s_{i}\|^{2}-\omega _{i})d\mu _{T}(x))

優化目標面

在解出最優運輸問題後，就得到了頂點。不過，這並沒有提供最終表面形狀的信息。給定入射光 $d_{I}$ 、出射光 $d_{O}$ 及上一步所得的power圖，根據斯涅爾定律可算出曲面法線：

n=d_{I}+{\eta x \over \lVert d_{I}+\eta d_{T}\rVert }=d_{I}+{\eta x \over \lVert d_{I}+\eta {(x_{R}-x) \over ||x_{R}-x||}\rVert }

其中

\eta

：折射係數

x_{R}

：解上述最優運輸問題所得目標位置

得到法線表示後，通過最小化以下複合能量函數，實現表面細化：

{\underset {x}{\operatorname {arg\,max} }}\,\omega \,\cdot [E_{int},\,E_{dir},\,E_{flux},\,E_{reg},\,E_{bar}]

其中

E_{int}=\sum _{v\in M_{T}}\lVert n_{o}-n\rVert _{2}^{2}

是將最優運輸所得頂點法線

n_{o}

與斯涅爾定律計算所得目標法線

n

對齊，所得的積分能量。

E_{dir}=\sum _{v\in M_{T}}\lVert x-{\textbf {proj}}_{(x_{S},\,d_{I})}(x)\rVert _{2}^{2}

：最優傳輸所得網格無法適應不連續面的尖點，這一項用於懲罰這種點，使其不會隨入射光發生顯著變化。

E_{flux}=\sum _{t\in M_{T}}\lVert \Phi _{T}(t)-\Phi _{S}(t_{s})\rVert _{2}^{2}

是經過網格中三角形

t

的能量通量。

E_{reg}=\lVert {\textbf {L}}{\textbf {X}}\rVert _{2}^{2}

是使三角形形狀規則化、保持形狀良好的能量。

E_{bar}=\sum _{v\in M_{T}}\lVert max(0,-log((1-n_{R}.(x-x_{R}))+d_{TH})\rVert ^{2}

是屏障能量，用於確保曲面變形不會超過一定距離的閾值

d_{TH}

。

可變逆渲染焦散圖樣設計

基本原理

逆圖形學是一種觀察圖像數據、推斷所有可能屬性（如三維幾何、光照、材料與運動）生成逼真圖像的方法。^[15]傳統計算機圖形學中，為使圖像具有理想的外觀和效果，要賦予圖像所有相關屬性/特徵，這可以說是前向方法；而在焦散設計中，物體（尤其材料表面）的性質並不平凡。給定約束條件就是要獲得的目標圖像。因此，目標是通過觀察、推斷目標圖像，以獲得其性質。這可以視作反向方法。

下面是基本損失函數，解釋了如何優化參數：

L(c)=\lVert f(c)-I\rVert ^{2}

其中

L(c)

：損失函數，渲染圖像與目標的均方誤差

c：包含可能影響生成圖像的元素

I：目標圖像

管線設計

首先，設計目標圖案並計算前向傳遞，得到合成圖樣。然後與目標圖案比較，得到損失。這是讓合成圖案儘可能與目標圖案相似。然後進行反向傳播，以獲得焦散製造中所需的優化屬性。

生成圖像的元素

外觀（Appearance， $A$ ）：像素表面外觀建模為MipMap紋理與像素亮度之積。
幾何（Vertices， $V$ ）：假定三維場景由三角形近似，參數為頂點 $V$ 。
攝像機（Camera， $C$ ）：焦距、視點、攝像機中心。

還可以有更多元素，如反照率、折射率之類。

一般可變框架

引入U為中間變量，表示2維投影的頂點坐標。這些屬性的梯度可從鏈式法則推導出：

{\frac {\partial f}{\partial V}}={\frac {\partial f}{\partial U}}\times {\frac {\partial U}{\partial V}}

{\frac {\partial f}{\partial V}}={\frac {\partial f}{\partial A}}\times {\frac {\partial A}{\partial V}}

{\frac {\partial f}{\partial C}}={\frac {\partial f}{\partial U}}\times {\frac {\partial U}{\partial C}}

應用隨機梯度下降後，可得最優的 $A,\ V,\ C$ 。隨後，這些量將用於雕刻或銑削材料，以生成目標圖案。

方法

一種常見方法是利用各種深度學習自動微分框架/庫（如TensorFlow、PyTorch、Theano）中執行微分運算的能力。

還有一種方法是用OpenDR^[16]框架建立前向圖形模型，並自動獲取模型參數的導數，以進行優化。在獲得優化屬性後，就可以生成目標圖像。OpenDR提供的局部優化方法可納入概率編程框架，可以解決焦散問題。

製造

計算設計出焦散圖樣後，處理過的數據將用作機械加工。

根據所需質量、製造所需工作量和可用的製造方法，可以用各種材料。

常見折射材料：亞克力、聚碳酸酯、聚乙烯、玻璃、鑽石
常見反射材料：鋼、鐵、鋁、金、銀、鈦、鎳

焦散圖樣設計有很多應用，如

燈具
珠寶
建築
裝飾玻璃生產

另見

參考文獻

^ Lynch, DK; Livingston, W. The caustic network. Color and Light in Nature. Cambridge University Press. 2001. ISBN 978-0-521-77504-5.
^ ^2.0 ^2.1 Weinstein, Lev Albertovich. Open Resonators and Open Waveguides. Boulder, Colorado: The Golem Press. 1969.
^ Circle Catacaustic （頁面存檔備份，存於網際網路檔案館）. Wolfram MathWorld. Retrieved 2009-07-17.
^ Levi, Mark. Focusing on Nephroids. SIAM News. 2018-04-02 [2018-06-01]. （原始內容存檔於2023-06-27）.
^ Rainbow caustics. [2024-01-09]. （原始內容存檔於2013-04-19）.
^ Caustic fringes. [2024-01-09]. （原始內容存檔於2012-06-12）.
^ Guardado, Juan. Chapter 2. Rendering Water Caustics. Fernando, Randima (編). GPU Gems: Programming Techniques, Tips and Tricks for Real-Time Graphics. Addison-Wesley. 2004 [2024-01-09]. ISBN 978-0321228321. （原始內容存檔於2019-10-30）.
^ Caustics water texturing using Unity 3D. Dual Heights Software. [2017-05-28]. （原始內容存檔於2023-10-13）.
^ Marios Papas. Goal Based Caustics (PDF). Computer Graphics Forum (Proc. Eurographics). 2011-04, 30 (2). doi:10.1111/j.1467-8659.2011.01876.x. （原始內容存檔 (PDF)於2021-05-11）. (Additional resources at Wojciech Jarosz's Dartmouth University site （頁面存檔備份，存於網際網路檔案館）)
^ Villani, Cedric. Optimal Transport - Old and New. Springer-Verlag Berlin Heidelberg. 2009. ISBN 978-3-540-71049-3.
^ Philip Ball. Light tamers. New Scientist. 2013-02, 217 (2902): 40–43. Bibcode:2013NewSc.217...40B. doi:10.1016/S0262-4079(13)60310-3.
^ Choreographing light: New algorithm controls light patterns called 'caustics', organizes them into coherent images. [2024-01-09]. （原始內容存檔於2023-07-17）.
^ Schwartzburg, Yuliy; Testuz, Romain; Tagliasacchi, Andrea; Pauly, Mark. High-contrast computational caustic design. ACM Transactions on Graphics. 2014-07-27, 33 (4): 1–11 [2024-01-09]. doi:10.1145/2601097.2601200. （原始內容存檔於2022-07-07）.
^ Cédric, Villani. Optimal Transport, Old and New. Springer. 2009. ISBN 978-3-540-71050-9.
^ Loper, Matthew M.; Black, Michael J., OpenDR: An Approximate Differentiable Renderer, Computer Vision – ECCV 2014 (Springer International Publishing), 2014: 154–169, ISBN 978-3-319-10583-3, doi:10.1007/978-3-319-10584-0_11 
^ Loper, Matthew M.; Black, Michael J., OpenDR: An Approximate Differentiable Renderer, Computer Vision – ECCV 2014 (Springer International Publishing), 2014: 154–169, ISBN 978-3-319-10583-3, doi:10.1007/978-3-319-10584-0_11

Born, Max; Wolf, Emil. Principles of Optics: Electromagnetic Theory of Propagation, Interference and Diffraction of Light 7th. Cambridge University Press. 1999. ISBN 978-0-521-64222-4.
Nye, John. Natural Focusing and Fine Structure of Light: Caustics and Wave Dislocations. CRC Press. 1999. ISBN 978-0-7503-0610-2.

閱讀更多

Ferraro, Pietro. What a caustic!. The Physics Teacher. 1996, 34 (9): 572–573. Bibcode:1996PhTea..34..572F. doi:10.1119/1.2344572.
Dachsbacher, Carsten; Liktor, Gábor. Real-time volume caustics with adaptive beam tracing. Symposium on Interactive 3D Graphics and Games (ACM). February 2011: 47–54.

[1] Lynch, DK; Livingston, W. The caustic network. Color and Light in Nature. Cambridge University Press. 2001. ISBN 978-0-521-77504-5.

[WEI69-2] 2.0 ^2.1 Weinstein, Lev Albertovich. Open Resonators and Open Waveguides. Boulder, Colorado: The Golem Press. 1969.

[3] Circle Catacaustic （頁面存檔備份，存於網際網路檔案館）. Wolfram MathWorld. Retrieved 2009-07-17.

[4] Levi, Mark. Focusing on Nephroids. SIAM News. 2018-04-02 [2018-06-01]. （原始內容存檔於2023-06-27）.

[5] Rainbow caustics. [2024-01-09]. （原始內容存檔於2013-04-19）.

[6] Caustic fringes. [2024-01-09]. （原始內容存檔於2012-06-12）.

[7] Guardado, Juan. Chapter 2. Rendering Water Caustics. Fernando, Randima (編). GPU Gems: Programming Techniques, Tips and Tricks for Real-Time Graphics. Addison-Wesley. 2004 [2024-01-09]. ISBN 978-0321228321. （原始內容存檔於2019-10-30）.

[8] Caustics water texturing using Unity 3D. Dual Heights Software. [2017-05-28]. （原始內容存檔於2023-10-13）.

[9] Marios Papas. Goal Based Caustics (PDF). Computer Graphics Forum (Proc. Eurographics). 2011-04, 30 (2). doi:10.1111/j.1467-8659.2011.01876.x. （原始內容存檔 (PDF)於2021-05-11）. (Additional resources at Wojciech Jarosz's Dartmouth University site （頁面存檔備份，存於網際網路檔案館）)

[10] Villani, Cedric. Optimal Transport - Old and New. Springer-Verlag Berlin Heidelberg. 2009. ISBN 978-3-540-71049-3.

[11] Philip Ball. Light tamers. New Scientist. 2013-02, 217 (2902): 40–43. Bibcode:2013NewSc.217...40B. doi:10.1016/S0262-4079(13)60310-3.

[12] Choreographing light: New algorithm controls light patterns called 'caustics', organizes them into coherent images. [2024-01-09]. （原始內容存檔於2023-07-17）.

[:0-13] Schwartzburg, Yuliy; Testuz, Romain; Tagliasacchi, Andrea; Pauly, Mark. High-contrast computational caustic design. ACM Transactions on Graphics. 2014-07-27, 33 (4): 1–11 [2024-01-09]. doi:10.1145/2601097.2601200. （原始內容存檔於2022-07-07）.

[14] Cédric, Villani. Optimal Transport, Old and New. Springer. 2009. ISBN 978-3-540-71050-9.

[15] Loper, Matthew M.; Black, Michael J., OpenDR: An Approximate Differentiable Renderer, Computer Vision – ECCV 2014 (Springer International Publishing), 2014: 154–169, ISBN 978-3-319-10583-3, doi:10.1007/978-3-319-10584-0_11 

[16] Loper, Matthew M.; Black, Michael J., OpenDR: An Approximate Differentiable Renderer, Computer Vision – ECCV 2014 (Springer International Publishing), 2014: 154–169, ISBN 978-3-319-10583-3, doi:10.1007/978-3-319-10584-0_11 

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]