|
|
Adjoint-Driven Importance Sampling in Light Transport Simulation
Vorba, Jiří ; Křivánek, Jaroslav (vedoucí práce) ; Keller, Alexander (oponent) ; Wann Jensen, Henrik (oponent)
Název: Vzorkování důležitosti v simulaci transportu světla založené na adjun- govaném řešení Autor: RNDr. Jiří Vorba Katedra: Katedra softwaru a výuky informatiky Vedoucí: doc. Ing. Jaroslav Křivánek, Ph.D., Katedra softwaru a výuky infor- matiky Abstrakt: Monte Carlo (MC) simulace transportu světla byla nedávno přijata filmovým průmyslem jako standardní nástroj pro tvorbu fotorealistických efektů. Jelikož filmový průmysl posunul současné technologie na samou hranici jejich možností, nevídaná složitost zobrazovaných scén odhalila zásadní nedostatek MC simulace: pomalou konvergenci transportu nepřímého osvětlení. Hlavním viníkem této pomalé konvergence jsou vzorkovací schémata, která se obvykle nepřizpů- sobují zobrazované scéně. My zakládáme naší práci na pozorovaní, že velké množství vzorků, které současné algoritmy transportu světla vyžadují, předsta- vují bohatý zdroj informací. Tento zdroj využíváme k vytvoření vzorkovacích schémat pro zobrazovanou scénu. V první části práce využíváme metod stro- jového učení, které jsme uzpůsobily pro trénování směrových distribucí. Tyto dis- tribuce využíváme během rozptylu k ovlivnění vzorkování směru cest od kamery tak, aby se vzorkovaly směry úměrně...
|
|
|
Adjoint-Driven Importance Sampling in Light Transport Simulation
Vorba, Jiří ; Křivánek, Jaroslav (vedoucí práce) ; Keller, Alexander (oponent) ; Wann Jensen, Henrik (oponent)
Název: Vzorkování důležitosti v simulaci transportu světla založené na adjun- govaném řešení Autor: RNDr. Jiří Vorba Katedra: Katedra softwaru a výuky informatiky Vedoucí: doc. Ing. Jaroslav Křivánek, Ph.D., Katedra softwaru a výuky infor- matiky Abstrakt: Monte Carlo (MC) simulace transportu světla byla nedávno přijata filmovým průmyslem jako standardní nástroj pro tvorbu fotorealistických efektů. Jelikož filmový průmysl posunul současné technologie na samou hranici jejich možností, nevídaná složitost zobrazovaných scén odhalila zásadní nedostatek MC simulace: pomalou konvergenci transportu nepřímého osvětlení. Hlavním viníkem této pomalé konvergence jsou vzorkovací schémata, která se obvykle nepřizpů- sobují zobrazované scéně. My zakládáme naší práci na pozorovaní, že velké množství vzorků, které současné algoritmy transportu světla vyžadují, předsta- vují bohatý zdroj informací. Tento zdroj využíváme k vytvoření vzorkovacích schémat pro zobrazovanou scénu. V první části práce využíváme metod stro- jového učení, které jsme uzpůsobily pro trénování směrových distribucí. Tyto dis- tribuce využíváme během rozptylu k ovlivnění vzorkování směru cest od kamery tak, aby se vzorkovaly směry úměrně...
|
host ::
RSS.