Texture Spectral Decorrelation Criteria

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F25%3A00602524" target="_blank" >RIV/67985556:_____/25:00602524 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-031-78172-8_21" target="_blank" >http://dx.doi.org/10.1007/978-3-031-78172-8_21</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-78172-8_21" target="_blank" >10.1007/978-3-031-78172-8_21</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Texture Spectral Decorrelation Criteria

Popis výsledku v původním jazyce

We introduce texture spectral criteria, which allow us to predict whether simplified spectrally factorized random field-based texture models, a set of two-dimensional models, can faithfully replicate texture spectra compared to their fully spectrally correlated 3D counterparts. These probabilistic models incorporate essential two- or three-dimensional building factors for modeling the seven-dimensional Bidirectional Texture Function (BTF), the most advanced representation in real-world material visual properties modeling. While these models seamlessly approximate original measured massive data and extend them to arbitrary sizes or simulate unmeasured textures, evaluating typically involves time-consuming synthesis and psycho-physical evaluation. The proposed criteria provide an alternative approach, enabling us to bypass the spectral quality evaluation step.

Název v anglickém jazyce

Texture Spectral Decorrelation Criteria

Popis výsledku anglicky

We introduce texture spectral criteria, which allow us to predict whether simplified spectrally factorized random field-based texture models, a set of two-dimensional models, can faithfully replicate texture spectra compared to their fully spectrally correlated 3D counterparts. These probabilistic models incorporate essential two- or three-dimensional building factors for modeling the seven-dimensional Bidirectional Texture Function (BTF), the most advanced representation in real-world material visual properties modeling. While these models seamlessly approximate original measured massive data and extend them to arbitrary sizes or simulate unmeasured textures, evaluating typically involves time-consuming synthesis and psycho-physical evaluation. The proposed criteria provide an alternative approach, enabling us to bypass the spectral quality evaluation step.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20202 - Communication engineering and systems

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Název statě ve sborníku

Pattern Recognition : 27th International Conference, ICPR 2024

ISBN

978-3-031-78172-8

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

10

Strana od-do

324-333

Název nakladatele

Springer Nature Switzerland

Místo vydání

Cham

Místo konání akce

Kolkata

Datum konání akce

1. 12. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001565029100021