Variance Analysis of Multi-sample and One-sample Multiple Importance Sampling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00302580" target="_blank" >RIV/68407700:21230/16:00302580 - isvavai.cz</a>

Výsledek na webu

<a href="http://onlinelibrary.wiley.com/doi/10.1111/cgf.13042/abstract" target="_blank" >http://onlinelibrary.wiley.com/doi/10.1111/cgf.13042/abstract</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1111/cgf.13042" target="_blank" >10.1111/cgf.13042</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Variance Analysis of Multi-sample and One-sample Multiple Importance Sampling

Popis výsledku v původním jazyce

We reexamine in this paper the variance for the Multiple Importance Sampling (MIS) estimator for multi-sample and one-sample model. As a result of our analysis we can obtain the optimal estimator for the multi-sample model for the case where the weights do not depend on the count of samples. We extend the analysis to include the cost of sampling. With these results in hand we find a better estimator than balance heuristic with equal count of samples. Further, we show that the variance for the one-sample model is larger or equal than for the multi-sample model, and that there are only two cases where the variance is the same. Finally, we study on four examples the difference of variances for equal count as used by Veach, our new estimator, and a recently introduced heuristic.

Název v anglickém jazyce

Variance Analysis of Multi-sample and One-sample Multiple Importance Sampling

Popis výsledku anglicky

We reexamine in this paper the variance for the Multiple Importance Sampling (MIS) estimator for multi-sample and one-sample model. As a result of our analysis we can obtain the optimal estimator for the multi-sample model for the case where the weights do not depend on the count of samples. We extend the analysis to include the cost of sampling. With these results in hand we find a better estimator than balance heuristic with equal count of samples. Further, we show that the variance for the one-sample model is larger or equal than for the multi-sample model, and that there are only two cases where the variance is the same. Finally, we study on four examples the difference of variances for equal count as used by Veach, our new estimator, and a recently introduced heuristic.

Druh

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

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/GA14-19213S" target="_blank" >GA14-19213S: Mobilní měření, komprese a syntéza obrazu pro prostorově proměnnou reflektanci materiálů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název periodika

COMPUTER GRAPHICS FORUM

ISSN

0167-7055

e-ISSN

—

Svazek periodika

35

Číslo periodika v rámci svazku

7

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

10

Strana od-do

451-460

Kód UT WoS článku

000388497400046

EID výsledku v databázi Scopus

—