基于聚类的多材质采样算法

来源 :浙江大学 | 被引量 : 0次 | 上传用户:just_username
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
真实感绘制技术被广泛运用于各个领域,如影视特技、广告动画、建筑CAD等,而采样又是真实感绘制中很重要的一部分。采样也分为很多方法,本文研究基于双向反射分布函数(BRDF)的重要度采样问题。  现在假设有数种不同的材质。如果对这些材质进行一一采样,那么当材质的数目达到一定规模的时候,整体计算时间也会变得相当长。为了解决这个问题,本文提出了一种基于聚类的多材质采样算法,算法的基本步骤为:  1.将所有的材质聚类。  2.对于得到的每一簇,计算其基向量。  3.每个材质计算它们到各个基向量之间的距离,并将其划分到距离最近的基向量所在的簇。  4.重复步骤2和3,直到分簇不再变化为止。  5.对基向量进行采样,并将生成的采样用于簇内所有材质的绘制。  该算法的优点为:  1.适用于任意BRDF类型,包括解析和测量BRDF模型。  2.可以让不同材质分享相同的采样,减少采样的生成数量。  3.对于光滑和粗糙的材质均有比较好的采样效率。
其他文献
随着模型驱动开发技术的不断发展,模型驱动在软件开发过程中起着越来越关键的作用。基于模型驱动的开发技术,能够使得开发者从整体逻辑框架上去设计软件系统,而不需要关系具体的
工作流面临着执行过程中的重组与节点的重复执行,传统静态工作流技术不能实时的更新与缺乏柔性的特性就与实际需求变更产生了矛盾,一种正确的灵活的可适应动态变更的工作流建模
人脸识别是最主要的生物特征识别方法,也是模式识别的热点研究课题。自上世纪70年代,已经提出了大量的算法。目前越来越多的研究表明,人脸图像可能分布在高维观测空间的非线性流
存储是云计算的一块基石。云计算环境下,存储面临着诸多挑战,如海量数据要求系统容量足够大、数据增加快要求系统有非常强的扩展性、高可用性要求系统低延迟、热点数据现象要求
物联网是继计算机、互联网和移动通信之后的又一次信息产业的革命性发展。对我国的信息化建设具有重要的推动作用。物联网与工业缝制行业的深度结合,是无线传感网络的一个实际
在当下的电子媒体和社会化网络时代,个人使用互联网和网页应用程序进行交流变的很有意思,而以前这是一种不可行的方式。现在用户使用因特网与其他人联系互动已成为一个社会化
如今,信息技术的高速发展让海量的多媒体数据与人们的生活息息相关。在这样的背景下,如何获取更复杂的多媒体信息数据得到了人们越来越多的关注。而在多媒体数据中,视频数据相对
学位
全局优化问题渗透于人们生活的各个方面,根据有无约束条件分为带有约束的全局优化问题与无约束全局优化问题,本文对连续型无约束全局优化问题进行讨论。目前求解全局优化问题的
软件技术的不断发展、规模的不断增大和复杂,造成了软件在管理和维护方面压力的增加,使得软件缺乏足够的健壮性。软件的开发不再是一切从零开始,而是应该充分利用已有的可用软件