
Cos'è il denoising? Come i denoiser ripuliscono i render path-traced
Panoramica
Introduzione
Cos'è il denoising? Nel rendering 3D, il denoising è un passaggio di filtraggio che elimina la grana presente in un'immagine path-traced quando è stata renderizzata con troppi pochi campioni per convergere. Un denoiser analizza i pixel rumorosi, di solito insieme a dati aggiuntivi forniti dal renderer, e stima come sarebbe apparso ogni pixel se il render avesse continuato a campionare. Fatto bene, ti permette di fermare un frame a una frazione dei campioni e consegnare comunque un'immagine pulita. Fatto male, impasta le texture, inventa artefatti e fa tremolare un'animazione.
Questa guida spiega perché i render path-traced sono rumorosi, cosa fa un denoiser con i buffer che lo guidano, quali denoiser incontrerai, il calcolo del compromesso tra campioni e passaggio di denoise, e i limiti. Non tratta la configurazione delle variance AOV di Arnold, descritta in Come ridurre il rumore degli AOV in modo efficace. Come un path tracer segue la luce è spiegato in Ray tracing vs path tracing.
Perché un render path-traced è rumoroso
Un path tracer costruisce ogni pixel lanciando percorsi di luce casuali dalla camera e facendo la media di ciò che trovano. Un percorso può colpire direttamente una luce, un altro può rimbalzare due volte e trovare solo un angolo buio. Con pochi percorsi per pixel, quella media oscilla attorno alla risposta corretta, e l'oscillazione è la grana che vedi. Gli statistici la chiamano varianza, e il metodo è l'integrazione Monte Carlo.
L'errore diminuisce lentamente, grosso modo con la radice quadrata del numero di campioni, quindi per dimezzare il rumore servono circa quattro volte i campioni. La nostra guida Ray tracing vs path tracing mostra l'aspetto con 16, 64, 256 e 1.024 campioni per pixel.
Il rumore non è distribuito in modo uniforme. Si concentra dove la luce è difficile da trovare: ombre morbide, luce indiretta, riflessi lucidi, vetro, volumi. Questo conta più avanti, perché un denoiser deve decidere pixel per pixel se un puntino luminoso è rumore o un dettaglio reale. E a causa della legge della radice quadrata, gli ultimi punti percentuali di pulizia sono la parte più costosa di un render. Il denoising attacca proprio questa coda: ti fermi prima e filtri ciò che resta.
Cosa fa un denoiser
Un denoiser prende un'immagine rumorosa e restituisce una stima più pulita di ciò a cui ogni pixel convergerebbe. Il metodo ingenuo è fare la media di ogni pixel con i suoi vicini, cioè una sfocatura. Una sfocatura elimina rumore e dettaglio insieme, quindi una scacchiera, il bordo netto di un'ombra e un filo di capello si dissolvono rapidi quanto la grana.
Il vero lavoro è distinguere il rumore dal segnale, e due grandi famiglie lo fanno in modo diverso.
I filtri algoritmici usano regole progettate a mano, pesando i vicini in base a quanto sono simili e vicini. Altus, uno dei tre denoiser di Redshift, è descritto nella documentazione Redshift di Maxon (consultata il 19 novembre 2026) come basato su metodi tradizionali anziché sul deep learning.
I denoiser basati su apprendimento sono reti neurali addestrate su render rumorosi e render convergenti. NVIDIA afferma che il suo denoiser OptiX è stato addestrato su decine di migliaia di immagini renderizzate da mille scene 3D (NVIDIA OptiX denoiser, consultato il 19 novembre 2026), e Maxon dice lo stesso di OptiX e di Intel Open Image Denoise: modelli di deep learning addestrati su decine di migliaia di immagini. Una rete addestrata ha visto come appare il rumore accanto alla struttura reale, quindi può conservare bordi che una sfocatura cancellerebbe. Può anche sbagliare in modi in cui un filtro algoritmico non sbaglia.
Intel descrive Open Image Denoise come una libreria open source di filtri di denoising per immagini ray-traced, i cui filtri gestiscono qualsiasi caso, da numeri di campioni molto bassi a immagini quasi convergenti (Open Image Denoise, consultato il 19 novembre 2026). È questo il senso del denoising: gli dai un frame rumoroso ma non disperato.
Cosa riceve un denoiser: beauty rumorosa, albedo e normal
Un renderer sa cose che una camera non saprebbe mai: il colore di ogni superficie prima dell'illuminazione, detto albedo, e la direzione verso cui è orientata ogni superficie, detta normal. Entrambi si possono produrre con poco o nessun rumore. Sono guide ideali, perché dove l'albedo cambia bruscamente c'è un vero bordo di texture, e dove la normal ruota c'è un vero cambio di forma.
La pagina di Intel indica che Open Image Denoise può lavorare dalla sola immagine beauty rumorosa oppure usare buffer di feature ausiliari come albedo e normal per preservare più dettaglio. Cycles espone la stessa idea: l'impostazione Passes offre solo colore, albedo, oppure albedo più normal, e il manuale consiglia almeno l'albedo perché il denoising dal solo colore può sfocare i dettagli (manuale di Blender 5.3, campionamento in Cycles, consultato il 19 novembre 2026).
Diagramma di ciò che riceve un denoiser: un'immagine rumorosa a 2 campioni per pixel, un buffer albedo senza rumore e un buffer normal senza rumore entrano nel denoiser, che restituisce un'immagine più pulita
Il diagramma è stato realizzato con un filtro volutamente semplice su una scena di prova, una sfera su un pavimento a scacchiera renderizzata da uno script Monte Carlo a 2 campioni per pixel. I buffer indicano al filtro dove sono i bordi della scacchiera e dove la sfera si curva, così fa la media solo tra pixel concordi. Nota cosa non riesce a vedere: l'ombra morbida non compare in nessuno dei due buffer, quindi viene levigata più dei bordi della scacchiera. I denoiser di produzione sono molto più capaci, ma il dettaglio che i buffer di feature non mostrano è comunque più facile da perdere, quindi ombre e riflessi sono i primi punti da controllare.
I principali denoiser
| Denoiser | Approccio | Gira su | Dove lo incontri |
|---|---|---|---|
| Intel Open Image Denoise (OIDN) | Filtri di deep learning, open source con licenza Apache 2.0 | CPU (Intel 64 con SSE4.1, ARM64 incluso Apple silicon) e GPU di Intel, NVIDIA (Turing e successive), AMD (RDNA 2 e successive) e Apple (M1 e successive) | Cycles, Redshift e Arnold lo elencano come opzione |
| NVIDIA OptiX AI-accelerated denoiser | Modello di deep learning, può usare i Tensor Core | Solo GPU NVIDIA | Cycles, Redshift e Arnold; NVIDIA cita anche Houdini e Thea Render |
| Altus | Filtro algoritmico, non una rete neurale | Qualsiasi hardware | Solo Redshift |
La colonna dell'hardware deriva dalle pagine di Intel e Maxon consultate il 19 novembre 2026 e cambia a ogni release, quindi controlla la pagina del produttore prima di pianificare attorno a una scheda. V-Ray e Corona includono denoiser propri, con impostazioni proprie, e Arnold elenca sia OIDN sia OptiX come opzioni di denoiser; per i dettagli su Arnold usa la guida al denoiser di Arnold.
Quale sia migliore dipende dal lavoro. Il manuale di Blender dice che OpenImageDenoise offre in genere la qualità più alta, mentre OptiX è disponibile solo su GPU NVIDIA e supporta l'accelerazione su alcune schede più vecchie dove OpenImageDenoise non la offre. In Redshift, Altus funziona solo nel bucket rendering, mentre OptiX e OIDN funzionano sia in modalità bucket sia progressiva. In pratica la scelta si riduce di solito a tre domande: hai una GPU NVIDIA, il motore offre il denoiser che vuoi, stai riducendo il rumore di immagini singole o di una sequenza.
Il compromesso: meno campioni più un passaggio di denoise
Prendi un frame ipotetico che appare pulito a 1.024 campioni per pixel e richiede 40 minuti. Il tempo di rendering scala grosso modo con i campioni, quindi 256 campioni richiedono circa 10 minuti. Hai ridotto i campioni di un fattore quattro, quindi il rumore è circa il doppio, ed è ciò che il denoiser deve eliminare.
Grafico a barre di un esempio ipotetico: 40 minuti per frame a 1.024 campioni senza denoiser contro 10 minuti per frame più un piccolo passaggio di denoise a 256 campioni, che su 240 frame sono 160 ore macchina contro 40 ore macchina più il denoising
Una sequenza di 10 secondi a 24 fps equivale a 240 frame: 160 ore macchina a 40 minuti ciascuno, oppure 40 ore macchina più il passaggio di denoise a 10. I numeri sono inventati per mostrare il rapporto, e la tua scena sarà diversa, ma la forma è generale: il costo del campionamento cresce a ogni raddoppio, mentre un passaggio di denoise è un'aggiunta relativamente piccola.
Piccolo non vuol dire gratuito. L'help di Redshift di Maxon dice che OptiX e OIDN possono essere eseguiti dopo ogni passaggio progressivo o bucket in base a un'impostazione di denoise overhead, dove zero significa un solo denoise, alla fine. Aggiunge che Altus impiega diversi secondi per ogni denoise e, in modalità Dual Pass, renderizza prima il frame due volte. Misura questo passaggio sulla tua scena.
Il denoising si combina anche con altri risparmi. Il Noise Threshold di Cycles smette di campionare le aree già abbastanza pulite, con valori tipici tra 0,1 e 0,001 secondo il manuale, e il denoiser ripulisce ciò che resta. La checklist più ampia di ciò che determina il tempo di rendering è nella nostra guida all'ottimizzazione del tempo di rendering.
Una regola vale sempre. La pagina Redshift di Maxon definisce il denoising non una pallottola d'argento e lo descrive come più utile sugli ultimi punti percentuali di rumore. Un denoiser riduce i campioni di cui hai bisogno. Non li sostituisce.
Dove il denoising va storto
Ogni denoiser scambia rumore con rischio, e ogni difetto ha una correzione diversa.
Perdita dei dettagli fini. Maxon elenca tra i difetti l'eccessiva levigatura che fa perdere texture e piccoli dettagli geometrici. Trama dei tessuti, capelli, fili sottili e testi piccoli sono le vittime abituali.
Artefatti pittorici. La stessa pagina descrive artefatti simili a pennellate, segno che il filtro ha inventato una struttura a partire da un rumore che non è riuscito a classificare.
Rumore sconosciuto. OptiX e OIDN possono non riconoscere schemi di rumore assenti dai loro dati di addestramento, quindi materiali insoliti, volumi pesanti o profondità di campo estrema possono restare rumorosi o venire impastati.
Residui al posto della grana. Maxon avverte che nelle animazioni il rumore residuo può apparire come macchie tremolanti, forse più fastidiose del rumore originale.
La maggior parte di questi problemi si attenua all'aumentare dei campioni, perché un input più pulito lascia meno da indovinare. Il metodo pratico è trovare il numero di campioni più basso a cui il risultato denoised regge a un'ispezione al 100 percento, poi aggiungere un margine.
Animazione: sfarfallio e denoising temporale
Un'immagine singola viene denoised una volta. Un'animazione viene denoised frame dopo frame, e ogni frame ha il proprio rumore casuale. Anche se la scena si muove appena, il denoiser vede un input diverso a ogni frame e può restituire una risposta leggermente diversa. Il risultato è un luccichio nelle aree che dovrebbero restare stabili.
Tre frame consecutivi della stessa scena statica renderizzati con rumore diverso, i rispettivi risultati dopo il denoising e un'immagine di differenza amplificata tra due frame denoised che mostra lo sfarfallio da un frame all'altro
La figura lo mostra con lo stesso filtro di prova. La scena è statica, quindi un denoiser impeccabile restituirebbe frame identici e l'immagine di differenza sarebbe nera. Non lo è, perché il rumore di ciascun frame ha spinto il filtro verso una risposta leggermente diversa. I denoiser di produzione fanno molto meglio, ma il principio è lo stesso.
Due cose lo riducono. Un input con meno rumore cambia meno da un frame all'altro, quindi più campioni aiutano. E lo schema di rumore può essere mantenuto fisso: l'help di Redshift di Maxon consiglia di disattivare Randomize Pattern on Each Frame, così il rumore resta ancorato alla camera. La pagina di Cycles suggerisce l'opposto, in apparenza, con Use Animated Seed per le animazioni, perché uno schema variabile si nota meno. La nostra lettura è che risolvano problemi diversi: il consiglio di Cycles nasconde la grana grezza quando non usi il denoising, quello di Redshift stabilizza l'input del denoiser quando lo usi.
La risposta più completa è il denoising temporale, in cui il filtro guarda anche i frame vicini. La pagina OptiX di NVIDIA dice che il suo denoiser si basa sulla ricerca NVIDIA sulla ricostruzione di sequenze di immagini Monte Carlo. Se un dato renderer esponga una modalità temporale è una domanda per la sua documentazione. Prova prima di dare per scontato. Renderizza da 10 a 20 frame consecutivi della tua inquadratura più difficile al numero di campioni previsto e guardali in movimento: lo sfarfallio invisibile in un singolo frame è spesso evidente in riproduzione.
Passaggi di denoising e AOV
I compositor dividono un render in pass, chiamati AOV, per regolare separatamente riflessi, illuminazione e ombre. Se riduci il rumore della beauty ma non dei pass, o viceversa, questi smettono di sommarsi in modo pulito e compaiono giunzioni o variazioni di colore. Scegli un solo approccio per progetto. La nostra guida a Cosa sono gli AOV nel rendering tratta pass e file multilayer.
Se applichi il denoising dopo il rendering invece che durante, i buffer albedo e normal devono essere salvati con ogni frame, alla stessa risoluzione e dalla stessa camera, altrimenti il denoiser perde le sue guide.
Denoising su una render farm
Una render farm elabora ogni frame come task separato sulla propria macchina. Questo si adatta al denoising in fase di rendering, che non richiede nulla dagli altri frame, e si adatta meno al denoising temporale, perché un passaggio che legge i frame vicini ha bisogno dell'intera sequenza e di norma viene eseguito dopo il ritorno dei frame.
L'hardware conta. OptiX richiede una GPU NVIDIA, mentre OIDN gira anche su CPU. Il manuale di Blender aggiunge che il denoising su GPU è molto più veloce che su CPU ma richiede memoria GPU aggiuntiva, e suggerisce di disattivarlo per scene grandi che restano a corto di memoria. Su un nodo GPU di Super Renders Farm, ciascuna delle due schede RTX 5090 ha 32 GB e le due non si sommano, quindi un denoiser GPU condivide con la scena i 32 GB di una sola scheda. Per una scena pesante, controlla il margine disponibile prima di un job lungo.
Il denoiser è un'impostazione di rendering, quindi controllalo insieme a numero di campioni e percorsi di output. Renderizza un frame rappresentativo con le impostazioni finali sul tipo di macchina che intendi usare e ispezionalo al 100 percento. Il tempo CPU e quello GPU sono fatturati su basi diverse, quindi un render CPU con molti campioni e un render GPU assistito dal denoising sono budget diversi; la pagina dei prezzi spiega come viene fatturato ciascuno.
Denoising in foto e video rispetto ai render
I risultati di ricerca sul denoising sono pieni di strumenti per foto e video. Un denoiser fotografico ha solo l'immagine e deve indovinare cosa è rumore del sensore e cosa è dettaglio. Un denoiser per render gestisce il rumore Monte Carlo e può ricevere guide prive di rumore. L'obiettivo è lo stesso, ma il rumore e i modi in cui fallisce sono diversi, quindi le impostazioni non si trasferiscono.
FAQ
Q: Cos'è il denoising nel rendering 3D? A: Il denoising è un passaggio di filtraggio che elimina la grana da un'immagine path-traced renderizzata con troppo pochi campioni. Un denoiser stima come apparirebbe ogni pixel se il render avesse continuato a campionare, spesso usando buffer albedo e normal privi di rumore per proteggere bordi e texture. Non è una sfocatura, che elimina rumore e dettaglio insieme.
Q: Il denoising riduce il tempo di rendering? A: Di solito sì. Ridurre i campioni di un fattore quattro riduce grosso modo il tempo di rendering di un fattore quattro, al prezzo di circa il doppio del rumore, e il denoiser ne elimina gran parte con un passaggio aggiuntivo relativamente piccolo. Un frame fatto soprattutto di rumore non verrà salvato, e il passaggio di denoise richiede un tempo che dovresti misurare.
Q: Qual è la differenza tra OptiX e Open Image Denoise? A: Entrambi sono denoiser basati su apprendimento, ma OptiX gira solo su GPU NVIDIA, mentre Open Image Denoise di Intel è open source e gira su CPU e su GPU di Intel, NVIDIA, AMD e Apple. Il manuale di Blender dice che Open Image Denoise offre in genere la qualità più alta, e che OptiX copre alcune GPU NVIDIA più vecchie che Open Image Denoise non copre.
Q: Perché il denoising fa sfarfallare un'animazione? A: Ogni frame ha un rumore casuale diverso, quindi un denoiser che tratta i frame uno alla volta può restituire risultati leggermente diversi su frame consecutivi. Un numero di campioni più alto, uno schema di rumore fisso dove il motore lo offre e il denoising temporale dove è disponibile riducono tutti il problema. Prova una breve sequenza in movimento.
Q: A cosa servono i buffer albedo e normal nel denoising? A: Sono guide prive di rumore. L'albedo mostra dove cambia il colore della superficie e la normal mostra dove cambia la forma, così il denoiser distingue un vero bordo da un puntino di rumore. Il manuale di Blender consiglia almeno l'albedo, perché il denoising dal solo colore può sfocare i dettagli.
Q: Quanti campioni servono prima del denoising? A: Non esiste un numero universale, perché il rumore dipende da illuminazione, materiali e movimento. Intel dice che i suoi filtri gestiscono da numeri di campioni molto bassi a immagini quasi convergenti, ma la qualità varia. Renderizza frame di prova con numeri di campioni decrescenti, trova il più basso che regge a un'ispezione al 100 percento e aggiungi un margine.
About Alice Harper
Blender and V-Ray specialist. Passionate about optimizing render workflows, sharing tips, and educating the 3D community to achieve photorealistic results faster.



