Generalized Spherical Harmonics Products using Spherical Grids

一句话总结

本文提出”广义球谐乘积”（Generalized SH Product）这一新表述——允许各输入函数使用不同的球谐阶数、输出阶数可任意截断——并借助球面网格（Spherical Grid, SphGrid）作为中间表示把乘积化简为网格点上的逐点相乘，在实时渲染常用的低阶场景下比现有最优方法（SHFFT）快 2.5–6.5 倍且误差更低。

研究背景

• 领域现状：球谐（SH）是图形学里紧凑表示低频球面信号的基础工具，广泛用于可见性、环境光照、BRDF 等。以预计算辐射传输（PRT）为代表的实时渲染，核心操作之一就是对多个球谐表示的函数求乘积或乘积积分（如光照 × BRDF × 可见性的三重积分）。
• 核心痛点：现有球谐乘积方法有两大局限。其一是效率不足：传统三重积法复杂度高达 \(O(n^5)\)，当前最优的 SHFFT 方法虽把三重积降到 \(O(n^3)\)，但依赖傅里叶级数和 FFT，在图形学常用的低阶（\(n \le 20\)）下 FFT 的常数开销反而拖慢速度。其二是缺乏灵活性：现有方法强制所有输入函数共享同一球谐阶数，可实际渲染中光照、漫反射/高光 BRDF、可见性的频率特性差异很大，只能把所有输入填充到最高阶（浪费算力）或统一压到低阶（引入误差）。
• 本文 idea：定义一个统一的广义乘积算子，输入可各带不同阶数 \(n_i\)、输出可截断到任意目标阶 \(p\)；再引入并扩展 SphGrid 作为中间表示——先把各输入球谐系数转成球面网格上的采样值，网格上逐点相乘，再逆变换回目标阶球谐系数。乘积在网格域退化成最简单的逐点乘法，从而绕开 FFT 的常数开销。

方法

整体框架：广义球谐乘积被拆成三步流水线——正变换（SH 系数 → SphGrid 采样值）、网格逐点相乘、逆变换（乘积网格 → 目标阶 SH 系数）。SphGrid 定义为极角 \(\theta\) 取 Gauss–Legendre 节点、方位角 \(\phi\) 均匀采样的 \(N_\theta \times N_\phi\) 网格；关键在于对带限函数，只要网格分辨率选得当，SH 系数与网格采样值之间可以精确且高效地双向转换。

flowchart LR
  A["各输入 SH 系数 (阶数 n_i 可不同)"] --> B["正变换: 采样到公共 SphGrid"]
  B --> C["网格逐点相乘 G = F_1 · ... · F_k"]
  C --> D["逆变换: 投影回目标阶 p 的 SH 系数"]
  D --> E["输出 g^(p)"]

关键设计：

1. 广义乘积表述与统一性。给定 \(k\) 个带限函数，乘积函数 \(G = F_1 F_2 \cdots F_k\) 的完整阶数为 \(n_G = \left(\sum_{i=1}^{k} n_i\right) - k + 1\)，输出可截断到任意 \(1 \le p \le n_G\)。这个单一表述统一了两类操作：取 \(p = n_G\) 得到乘积的完整球谐展开；取 \(p = 1\) 直接算出乘积积分 \(\int_{S^2} G\, d\Omega\)（很多渲染积分的核心）。传统”所有输入同阶、输出同阶或只取积分”只是它的特例。

2. SphGrid 双向转换的可分离加速。球谐基可分解为极角与方位角两个可分离分量 \(y_l^m(\theta,\phi) = C_l^m(\theta) R_m(\phi)\)。利用这一点，正变换先对每个 \(m\) 预计算内层求和 \(s_m(\theta_i) = \sum_{l=\lvert m \rvert}^{n-1} f_l^m C_l^m(\theta_i)\)，再组合出网格值，复杂度 \(O(n^2 N_\theta + n N_\theta N_\phi)\)。逆变换则在 \(\theta\) 上用 Gauss–Legendre 求积、在 \(\phi\) 上用离散傅里叶求和，把网格值投影回 SH 系数，复杂度 \(O(p^2 N_\theta + p N_\theta N_\phi)\)。分离经纬坐标是效率的关键。

3. 精确计算的分辨率充分条件。作者证明：只要网格分辨率满足 \(N_\theta \ge \lceil (n_G + p - 1)/2 \rceil\) 且 \(N_\phi \ge n_G + p - 1\)，逆变换即为精确（无损）。为方便配置，用单参数 \(t\) 控制分辨率：\(N_\theta = \lceil t/2 \rceil,\ N_\phi = t\)。设 \(t = n_G + p - 1\) 得精确结果，取更小的 \(t\) 则得到近似变体。

4. 精确/近似的可调权衡。分辨率低于阈值时，高频分量因采样不足产生近似误差，但计算量与内存显著下降。作者发现对特化多重积近似，取 \(t = 3n - 2\) 能在低误差与高性能间取得极佳平衡，复杂度降到 \(O(k n^3)\)。因此同一框架通过调 \(k\)、\(p\)、\(t\) 三个参数即可覆盖三重积/多重积、精确/近似、乘积/积分等各种任务。

实验结果

实现于 CPU（C++17）与 GPU（CUDA 12.8），测试平台 AMD R9-9950X + RTX 4090，所测 SH 阶数 \(n \le 20\) 均无数值问题。核心对比对象是当前最优的 SHFFT 方法。下表汇总两个实时渲染应用（PRT 光泽重光照的三重积积分、Shadow Fields 的多重积积分）中的帧率与相对最优先前方法的加速比：

应用 / 场景	参数	先前最优 (FPS)	本文 (FPS)	加速
PRT 重光照 Bunny & Teapot	\(n=10\)	31.29 (SHFFT)	108.29 (精确)	3.46×
PRT 重光照 Dragon & Lucy	\(n=15\)	4.41 (SHFFT)	15.83 (精确)	3.59×
Shadow Fields DNA & Ring	\(k=4, n=10\)	25.35 (SHFFT 精确)	101.68 (精确)	4.01×
Shadow Fields Spider & Scorpion	\(k=6, n=15\)	1.56 (SHFFT 精确)	9.29 (精确)	5.96×
Shadow Fields Bunny & Scorpions	\(k=6, n=12\)	8.03 (SHFFT 近似)	44.75 (近似)	5.57×

其余结论用文字补充：在特化截断三重积的微基准中，本文精确法相对 SHFFT 精确平均加速 CPU 5.50×、GPU 4.03×；对多重积，本文精确法在所有设置下都快于 SHFFT 精确，甚至在多数情况快过 SHFFT 的近似法。误差方面，对随机输入和真实场景可见性输入，本文近似法在 \(t = 3n-2\) 时同时取得比递归近似更低的相对 \(L_2\) 误差与更高性能；验证了当 \(t \ge n_G + p - 1\) 时计算精确。广义设置下（如同一场景中茶壶 BRDF 用 11 阶、龙用 5 阶）本文精确法仍能达到 145–177 FPS，而这类不同输入阶的情形是现有特化方法根本无法处理的。

亮点与局限

• 亮点：
  • 表述统一优雅：一个算子通过调 \(p\) 同时覆盖乘积与乘积积分，且天然支持不同输入阶数，填补了以往方法的能力空白。
  • 工程实用：把乘积化为网格逐点乘法，常数因子远小于 FFT 方案，在图形学真正常用的低阶区间取得实打实的数倍加速，且给出了精确性的可证明分辨率条件。
  • 精度可控：单参数 \(t\) 提供平滑的精度—性能权衡，近似变体误差还低于此前最优近似法。
• 局限：
  • SphGrid 存在过采样冗余：重建 \(n\) 阶需 \(n \times (2n-1)\) 个采样点，而独立系数仅 \(n^2\) 个，极点附近点尤其密集，带来额外开销与内存。
  • 渐近复杂度并非更优：多重积精确法复杂度略高于 SHFFT，优势主要来自低阶下的常数因子；在极高阶（数千阶）场景，数学/地球物理领域的 SH 变换算法可能反超。
  • SphGrid 作为中间表示虽擅长乘积，却缺乏旋转、缩放、梯度、球面/多边形光照的闭式解，因此难以直接充当实时渲染的主表示。

延伸思考

• 本文本质是”换域算乘法”的经典思路（类比 FFT 把卷积变逐点乘），但选对了网格结构——iso-latitude 的 Gauss–Legendre 网格既支持精确变换又能分离经纬加速，这比追求点分布均匀的 Spherical Fibonacci（\(O(n^4)\) 变换）或缺乏解析精确变换的 HEALPix 更契合”低阶 + 需要精确”的图形需求。是否存在采样更少又保持乘积高效的网格，是值得追的方向。
• “不同分量用不同 SH 阶”这一灵活性在 PRT 之外也有想象空间：任何把可见性/光照/材质投影到球谐的管线（含近来给高斯泼溅、神经场编码方向信号的做法）都可能受益于按频率分配阶数以省算力。
• 作者提出 SphGrid 或可作为球面信号的一等表示来研究，这与近年点/网格表示替代解析基的趋势呼应；补齐其旋转、缩放、梯度等算子的高效实现，可能是把它推向主表示的关键一步。