|
| |
|
|
Dynamic Textures Modelling with Temporal Mixing Coefficients Approximation
Havlíček, Michal
Appearance of many real world materials is not static but changes in time. In case of spatially and temporally homogeneous changes the material can be represented by means of dynamic texture. Dynamic texture modelling is a challenging problem. In this article we present possible solution based on eigen analysis of input data and subsequent processing and modelling of temporal interpolation eigen coefficients using a combination of piecewise linear approximation and normal distribution sampling. The proposed method shows good performance, enables compress significantly the original data and extremely fast synthesis of arbitrarily long extension of the original texture.
|
|
|
MSAR BTF Model
Havlíček, Michal
The Bidirectional Texture Function (BTF) is the recent most advanced representation of material surface visual properties. BTF specifies the changes of visual appearance due to varying illumination and viewing conditions. Such a function might be represented by thousands of images of surface taken in given illumination and viewing conditions per sample of the material. Resulting BTF size, hundreds of gigabytes, excludes its direct rendering in graphical applications, accordingly some compression of these data is obviously necessary. This paper presents a novel probabilistic model based algorithm for realistic multispectral BTF texture modelling. This complex but efficient method combines several multispectral band limited spatial factors and corresponding range map to produce the required BTF texture. Proposed scheme enables very high BTF texture compression ratio and in addition may be used to reconstruct BTF space i.e. non-measured parts of the BTF space.
|
|
|
Syntéza periodicko-stochastických textur
Hatka, Martin
Tento článek popisuje dvě metody pro syntézu složitých barevných textur obsahujících periodickou i stochastickou složku. Takové textury nelze modelovat buď jen jednoduchým dlaždicováním nebo čistě stochastickými modely. První nová metoda automaticky rozpoznává a odděluje periodickou a stochastickou složku textury. Každá z těchto komponent je následně modelována pomocí odpovídajících optimálních metod. Obě nezávisle syntetizované komponenty jsou zkombinovány, čímž vznikne výsledná syntetická periodicko-stochastická textura. Druhá metoda detekuje dva hlavní směry periodicity pravidelné periodické komponenty a generuje nekolik toroidních dlaždic stejného obecného tvaru. Pomocí těchto dlaždic lze generovat periodicko-stochastickou texturu bez viditelných rušivých pravidelností. Ačkoliv prezentované metody pro syntézu textur umožňují poze částečnou kompresi, jsou extrémně rychlé, a to díky completně oddělené fázi analýzy od fáze syntézy algoritmu.
|
|
| |
|
| |
|
| |
host ::
RSS.