这个项目面试时可以按“基础路径追踪 -> 资产/几何 -> PBR -> IBL/MIS -> 工程性能”的顺序讲。
核心知识点：Ray、HitRecord、Camera、Material、递归路径追踪讲解：路径追踪的核心是从相机发射射线，找到最近交点，根据材质生成下一条采样射线，递归累积直接光、间接光和自发光。此项目中的实现：Camera.h:413 负责 ray_color() 递归积分；Ray.h 表示射线；Hittable.h 用 HitRecord 保存交点、法线、材质、UV、TBN 等信息。一句话总结：这个项目的底层是一套标准 CPU 路径追踪框架，核心链路是“相机射线 -> 求交 -> 材质采样 -> 递归估计辐射”。
核心知识点：Sphere、Triangle、Quad、AABB、BVH讲解：路径追踪如果每条光线遍历所有物体，复杂度很高，所以需要用包围盒和 BVH 把求交范围快速缩小。此项目中的实现：BVH.h:7 用 BVH_Node 递归构建左右子树；AABB.h 做包围盒测试；Triangle.h:95 还实现了三角形光源采样所需的 pdf_value() 和 random()。这部分对应早期 PR #18：三角形 PDF / random sampling 和 WaveFront OBJ loader。一句话总结：BVH 是这个离线渲染器能渲染网格模型的基础性能结构。
核心知识点：Scatter / Eval / PDF讲解：面试里这点很重要。不要只说“材质会反射光”，要说你把材质拆成三件事：Scatter 决定怎么采样下一条方向，Eval 计算这个方向上的 BRDF 值，PDF 返回这个采样方向的概率密度。三者必须一致，否则渲染会有偏。此项目中的实现：Material.h:26 的 Material 基类提供 Scatter()、Eval()、PDF()；传统材质包括 Lambertian、Metal、Dielectric、Diffuse_Light、isotropic，PBR 材质也接入同一套接口。一句话总结：这个接口设计让材质采样、BRDF 评估和概率密度可以统一进入路径积分器和 MIS。
核心知识点：路径终止、无偏估计、方差控制讲解：路径不能无限递归，简单用固定 max_depth 会截断能量；Russian Roulette 是在一定 bounce 后按概率终止路径，未终止的路径用生存概率补偿能量。面试里重点讲“它不是加速技巧本身，而是控制长路径计算成本，同时尽量保持无偏”。此项目中的实现：Issue #12 要求用 Russian Roulette 替代原来的固定深度；PR #20 引入基于材质反照率的动态生存概率，并配合 firefly clamping 控制低采样下的高亮噪点。一句话总结：Russian Roulette 让递归路径在深度较大时更经济，同时保留物理上合理的能量估计。
核心知识点：tinyobjloader、顶点/法线/UV、材质映射讲解：从硬编码球体过渡到真实模型，关键不只是读顶点，还要正确读面索引、UV、法线、材质 ID，并把 MTL 中的贴图路径映射到渲染器材质。此项目中的实现：ObjLoader.h:13 使用 tinyobjloader；ObjLoader.h:99 通过 material_id 找每个 face 的材质；ObjLoader.h:166 读取 diffuse / normal / roughness / metallic 贴图。对应 PR #28，目标是让 OBJ 材质能自动进入 PBR_Material。一句话总结：OBJ/MTL 这条链路让项目从“手写测试场景”升级成“可导入真实 PBR 资产”。
核心知识点：sRGB、Linear、数据贴图讲解：PBR 项目里颜色空间很容易被问。baseColor 是颜色，要从 sRGB 转 linear；roughness、metallic、normal 是数据，不应该做 sRGB 变换。此项目中的实现：Texture.h:7 区分 color_space::SRGB 和 color_space::Linear；Texture.h:22 做 sRGB 到 linear；ObjLoader.h:177 明确 normal / roughness / metallic 作为 linear 数据贴图加载。一句话总结：正确的颜色空间处理是 PBR 结果可信的前提。
核心知识点：切线空间、TBN、shading normal / geometric normal讲解：normal map 的值在切线空间里，不能直接当世界空间法线用；需要三角形根据 UV 计算 tangent / bitangent，再和法线组成 TBN，把贴图法线变换到世界空间。还要区分几何法线和着色法线，避免求交偏移、正反面判断和视觉法线混在一起。此项目中的实现：Triangle.h:126 计算 tangent space；Triangle.h:212 同时保留 geo_n 和 n；Material.h:388 在 PBR_Material 中采样 normal map；ObjLoader.h:255 根据文件名判断 OpenGL / DirectX normal map 约定。对应 PR #27 和 Issue #29。一句话总结：normal map 不是简单改法线，而是 UV、TBN、几何法线和着色法线共同配合的资产链路。
核心知识点：metallic-roughness、GGX、Schlick Fresnel、Smith、能量守恒讲解：面试里可以这样说：我实现的是 metallic-roughness 工作流，baseColor 决定基础颜色，metallic 控制材质在电介质和金属之间过渡，roughness 控制微表面粗糙程度。镜面项用 GGX 描述微表面法线分布，Schlick Fresnel 描述视角越擦边反射越强，Smith 几何项描述微表面之间的遮挡。diffuse 和 specular 不是随便相加，而是根据 metallic 和 Fresnel 做能量分配，避免材质反射出超过入射光的能量。此项目中的实现：Material.h:203 是 PBR_Material；Material.h:227 的 Scatter() 建立 diffuse cosine PDF 和 GGX PDF 的混合采样；Material.h:246 的 Eval() 计算 PBR BRDF；Material.h:309 包含 GGX、Smith、Fresnel 组合。Issue #25 是 PBR 主目标，PR #26 和 PR #28 分别推进基础 PBR 与资产驱动 PBR。一句话总结：PBR 部分的重点不是“用了几个公式”，而是把材质参数、BRDF 评估、采样 PDF 和贴图工作流接成了一条一致的物理材质链路。
核心知识点：NDF 采样 vs VNDF 采样、可见微表面讲解：普通 GGX 半程向量采样可能采到很多从当前视角不可见的微表面，尤其低 roughness 金属会浪费样本并产生高亮噪点。VNDF 采样会根据 view direction 采样“可见法线分布”，更适合光滑金属。此项目中的实现：PDF.h:101 是 GGX_PDF；PDF.h:107 标注其用于 PBR 的 VNDF specular PDF；PDF.h:169 通过 roughness space 拉伸视线方向并采样 visible-normal domain。PR #28 的评论记录里也有 “NDF -> VNDF” 的验证图。一句话总结：VNDF 采样是这个 PBR 材质在光滑金属上减少无效样本和 firefly 的关键优化。
核心知识点：HDRI、经纬图、亮度重要性采样、solid-angle PDF讲解：IBL 不是只把环境贴图当背景。真正用于路径追踪时，环境图应该同时提供两件事：miss 时返回环境辐射；作为无穷远光源被显式采样。因为经纬图不是等面积映射，采样权重不能只看像素亮度，还要考虑球面面积权重，也就是靠近极点的 texel 在球面上面积更小。面试里要说清楚“亮度分布 + 球面面积权重 + PDF 转 solid angle”，不要只说“按亮的地方多采样”。此项目中的实现：Environment.h:23 是 LatLong_Environment；Environment.h:199 构建采样分布；Environment.h:261 用两级 CDF 采样 row / column；Environment.h:285 的 texel_weight() 使用 luminance 和 sin(theta)；Environment.h:73 把 UV PDF 转为 solid-angle PDF。一句话总结：这个项目的 IBL 重点是让 HDRI 从“可见背景”升级成“可被重要性采样的真实环境光源”。
核心知识点：Light sampling、BSDF sampling、Power Heuristic讲解：直接光照有两个常见采样策略：从光源采样，或者从 BSDF 采样。光源采样适合面积光和环境高亮区域；BSDF 采样适合镜面/金属方向性很强的材质。MIS 不是二选一，而是把两个估计器按 PDF 可靠性加权组合，避免某个策略在特定场景下方差过高。此项目中的实现：Camera.h:18 有 power heuristic；Camera.h:436 构建 light PDF，把几何光和环境光合并；Camera.h:542 显式计算 light-side direct estimator；Camera.h:556 显式计算 BSDF-side direct estimator；Camera.h:641 单独处理 indirect continuation。对应 PR #30。一句话总结：MIS 是这个项目把 PBR、面积光和 HDRI 环境光稳定结合起来的核心采样框架。
核心知识点：采样预算、direct / indirect 分离、emission guard讲解：第一跳对画面噪点影响最大，但如果每增加一个样本就递归整条路径，成本会爆炸。更好的做法是第一跳加强 direct lighting，间接路径仍保持单次 continuation。还要避免 direct lighting 已经显式估计了发光体后，递归又把同一个 emission 加一次。此项目中的实现：PR #30 把第一跳拆成 sample_direct_light_once()、sample_direct_bsdf_once()、sample_indirect_once()；Camera.h:496 的递归版本带 allow_emission；Camera.h:679 间接 continuation 关闭重复 emission。一句话总结：这一步体现的是渲染器工程优化思路：把采样预算集中用在最影响噪点的 direct term 上。
核心知识点：tile-based parallel rendering、std::execution::par、thread-local RNG、mutex / atomic讲解：路径追踪每个像素、每个 sample 基本独立，天然适合并行。但不能简单“多线程写图像”就完事，必须说明共享数据边界：每个 tile 写 framebuffer 的不重叠区域，所以像素写入不需要锁；进度计数用 atomic；预览窗口和日志刷新属于共享状态，要用 mutex 控制；随机数生成器必须 thread-local，否则多个线程共享 RNG 会产生数据竞争和采样相关性。此项目中的实现：Camera.h:114 定义 RenderTile；Camera.h:125 的 render_impl() 统一串行/并行渲染；Camera.h:219 用 std::for_each(std::execution::par, tiles.begin(), tiles.end(), render_tile) 调度；My_Common.h:29 使用 thread_local std::mt19937。benchmark：800x450 / 400 spp / depth 20，从 65.3296s 降到 29.9941s，约 2.178x。一句话总结：这个多线程实现的面试重点是“任务划分 + 共享数据隔离 + 同步边界”，而不是只说用了并行库。
核心知识点：渲染过程反馈、preview buffer、UI 状态同步讲解：离线路径追踪时间长，实时预览能让用户看到 tile 渲染进度，但预览只应该读已经完成的 tile 数据，不能干扰渲染主流程。此项目中的实现：PPMPreviewWindow.h 负责窗口显示；Camera.h:276 把 tile 结果 blit 到 preview buffer；对应 Issue #23 和 PR #24。一句话总结：实时预览是工程可用性提升，不改变积分算法，但要求和多线程渲染正确同步。
核心知识点：功能验证场景、benchmark、README showcase讲解：项目不只是堆功能，还要有能验证功能的场景：PBR 球、normal map 对比、OBJ PBR 自动映射、HDRI + area light 的 IBL/MIS 场景、README 综合展示场景。此项目中的实现：Renderer.cpp 中有 PBR_Test()、PBR_Benchmark()、PBR_Normal_Map_Test()、Obj_PBR_Test()、PBR_IBL_Test()、README_Showcase()。README 也明确列了当前能力和 benchmark 数据。一句话总结：这些场景是你面试时证明“功能真的跑通了”的证据链。
这个项目可以概括为：我从基础 CPU 路径追踪出发，先完成射线求交、材质递归、BVH、OBJ 加载和实时预览；随后把材质系统重构为 Scatter / Eval / PDF，接入 metallic-roughness PBR、GGX/VNDF、纹理颜色空间和 TBN normal map；再把 HDRI 环境光升级为可显式采样的 IBL 光源，并通过 light / BSDF MIS 降低 PBR + IBL 场景的方差；最后用 tile-based std::execution::par、thread-local RNG、atomic/mutex 同步完成 CPU 多线程加速，获得约 2.18x 的实测提升。