On-line Learning of Parametric Mixture Models for Light Transport Simulation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F14%3A10289478" target="_blank" >RIV/00216208:11320/14:10289478 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1145/2601097.2601203" target="_blank" >http://dx.doi.org/10.1145/2601097.2601203</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/2601097.2601203" target="_blank" >10.1145/2601097.2601203</a>

Jazyk výsledku

angličtina

Název v původním jazyce

On-line Learning of Parametric Mixture Models for Light Transport Simulation

Popis výsledku v původním jazyce

Monte Carlo techniques for light transport simulation rely on importance sampling when constructing light transport paths. Previous work has shown that suitable sampling distributions can be recovered from particles distributed in the scene prior to rendering. We propose to represent the distributions by a parametric mixture model trained in an on-line (i.e. progressive) manner from a potentially infinite stream of particles. This enables recovering good sampling distributions in scenes with complex lighting, where the necessary number of particles may exceed available memory. Using these distributions for sampling scattering directions and light emission significantly improves the performance of state-of-the-art light transport simulation algorithms when dealing with complex lighting.

Název v anglickém jazyce

On-line Learning of Parametric Mixture Models for Light Transport Simulation

Popis výsledku anglicky

Monte Carlo techniques for light transport simulation rely on importance sampling when constructing light transport paths. Previous work has shown that suitable sampling distributions can be recovered from particles distributed in the scene prior to rendering. We propose to represent the distributions by a parametric mixture model trained in an on-line (i.e. progressive) manner from a potentially infinite stream of particles. This enables recovering good sampling distributions in scenes with complex lighting, where the necessary number of particles may exceed available memory. Using these distributions for sampling scattering directions and light emission significantly improves the performance of state-of-the-art light transport simulation algorithms when dealing with complex lighting.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

ACM Transactions on Graphics

ISSN

0730-0301

e-ISSN

—

Svazek periodika

33

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

11

Strana od-do

—

Kód UT WoS článku

000340000100068

EID výsledku v databázi Scopus

—