文献

J-GLOBAL ID：202202275006626296   整理番号：22A0848365

表式BRDFからの学習ベース逆2スケール材料フィッティング【JST・京大機械翻訳】

Learning-Based Inverse Bi-Scale Material Fitting From Tabular BRDFs

著者 (3件)： Shi Weiqi (Department of Computer Science, Yale University, New Haven, CT, USA) ,  Dorsey Julie (Department of Computer Science, Yale University, New Haven, CT, USA) ,  Rushmeier Holly (Department of Computer Science, Yale University, New Haven, CT, USA)
資料名： IEEE Transactions on Visualization and Computer Graphics  (IEEE Transactions on Visualization and Computer Graphics)
巻： 28  号： 4  ページ： 1810-1823  発行年： 2022年 
JST資料番号： W0715A  ISSN： 1077-2626  CODEN： ITVGEA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模外観への小規模構造の除去は,材料外観設計における重要要素である。バイスケール材料設計では,マクロスケールBRDFとして表現される望ましい大規模外観を生成する小規模構造ΔΣメソ規模形状およびミクロスケールBRDFs ε′′を見つける必要がある。望ましい外観を達成するための小規模形状および反射率の調整は,退屈な試行錯誤プロセスになる。メソスケール幾何学とマイクロスケールBRDFの組み合わせで,目標マクロスケールBRDFに適合する学習ベース解を示した。両スケールにおける表現における課題に直面した。大規模では,コンパクトで表現できるマクロスケールBRDFが必要である。小規模では,幾何学的パターンの多様な組み合わせと潜在的に空間的に変化するマイクロBRDFを必要とする。大規模マクロ-BRDFのために,学習のために重要な外観特徴をよく保存する表明BRDF表現の新しい2D部分集合を提案した。小規模の詳細のために,複数の独立連続探索空間を定義するために,異なる物理的パラメータを有する異なるカテゴリーにおける形状およびBRDFsを表現した。大規模マクロ-BRDFと小規模詳細の間のマッピングを構築するために,著者らは入力として部分集合BRDFを取り上げて,正確な再構成を見つけるために小規模詳細に関して分類とパラメータ推定を実行するエンドツーエンドモデルを提案した。他のフィッティング方式と比較して,著者らの学習ベースの解法は,より高い再構成精度を提供して,外観のより広い領域をカバーした。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 幾何学 ,  反射率 ,  表現 ,  *分布関数 ,  *学習 ,  再構成 ,  エンドツーエンド方式 ,  形態 ,  二次元 ,  パラメータ推定 ,  方式 ,  大規模 ,  中規模
準シソーラス用語： 探索空間 ,  *BRDF ,  マクロスケール , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： BRDF ,  学習 ,  スケール ,  フィッティング