Непараметрические микрофасеточные факторные модели для изотропных функций двунаправленного распределения отражательной способности

Изобретение относится к области обработки данных и позволяет моделировать реальную отражательную способность с поверхности, обеспечивает быструю сходимость, устойчивость к случайной инициализации и полную автоматизацию, без необходимости подстройки параметров материала. Реализуемый компьютером способ согласования модели отражательной способности с данными с расширенным динамическим диапазоном из множества точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала, содержит этапы: получают множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала, преобразуют полученные точки выборочных данных, создают непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели. 2 н. и 6 з.п. ф-лы, 12 ил.

 

УРОВЕНЬ ТЕХНИКИ

[0001] Функция двунаправленного распределения отражательной способности (BRDF) материала представляет его отражательную способность, то есть, то, как он затеняет и рассеивает свет, падающий на одну точку его поверхности. В общем случае функция BRDF представляет собой четырехмерную (4D) функцию, зависящую от направления света и точки наблюдения относительно вектора нормали к поверхности. Многие материалы являются изотропными, то есть, их отражательная способность не изменяется при повороте плоского однородного образца азимутально вокруг его нормального вектора. Параметризацию изотропных материалов можно выполнить, используя трехмерный (3D), а не четырехмерный (4D) набор измерений. Однако, они обычно дают весьма громоздкие представления, особенно в том случае, когда отражательная способность характеризуется пространственными изменениями.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

[0002] Согласно одному общему аспекту система может включать в себя устройство, содержащее считываемую компьютером запоминающую среду, где хранится исполняемый код, причем исполняемый код включает в себя администратор представления отражательной способности, содержащий модуль сбора данных, который получает множество точек измеренных выборочных данных, связанных с отражательной способностью поверхности материала. Генератор представления создает непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели, используя полученные точки выборочных данных.

[0003] Согласно другому аспекту можно получить точки измеренных выборочных данных, связанные с отражательной способностью на поверхности материала. Эти точки измеренных выборочных данных могут быть согласованы с моделью путем применения метрики согласования модели к точкам измеренных выборочных данных, при этом метрику согласования модели вычисляют с использованием неотрицательной ненулевой степени отношения первой функции ко второй функции, причем первая и вторая функции определены на нормализованных значениях множества точек измеренных выборочных данных, при этом первая функция определена как сжимающая функция, а вторая функция определена как не асимптотически возрастающая функция.

[0004] Согласно еще одному аспекту могут быть получены точки измеренных выборочных данных, связанных с отражательной способностью на поверхности материала. Эти точки измеренных выборочных данных могут быть согласованы с моделью путем применения метрики согласования к точкам полученных выборочных данных, причем метрика согласования вычисляется с использованием взвешивания суммы квадратов, где взвешивание суммы квадратов включает в себя не являющуюся константой функцию измеренных величин полученного множества точек измеренных выборочных данных.

[0005] Этот раздел предусмотрен для ознакомления с набором концепций в упрощенном виде, которые более подробно описаны ниже в разделе «Подробное писание изобретения». Данный раздел не предполагает идентификацию ключевых или существенных отличительных признаков заявленного предмета изобретения, а также не предполагает его использования для ограничения объема заявленного предмета изобретения. Подробности одного или нескольких вариантов реализации изложены ниже в сопроводительных чертежах и описании. Другие отличительные признаки станут очевидными из описания и чертежей и из формулы изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0006] Фиг. 1 - примерная параметризация изотропной BRDF;

[0007] Фигуры 2А-2В - примерные измерения и примерная визуализация с использованием примерной метрики согласования BRDF;

[0008] Фиг. 3 - блок-схема, иллюстрирующая примерную обобщенную систему для представления отражательной способности и визуализации изображений;

[0009] Фиг. 4 - графическая иллюстрация примерной сжимающей функции;

[0010] Фигуры 5А-5С - блок-схема иллюстрирующая примерные операции системы по фиг. 3;

[0011] Фигуры 6А-6В - блок-схема иллюстрирующая примерные операции системы по фиг. 3;

[0012] Фигуры 7А-7В - блок-схема иллюстрирующая примерные операции системы по фиг. 3.

ПОДРОБНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯ

I. Введение

[0013] Согласно обсуждаемым здесь примерным подходам общее представление отражательной способности изотропных материалов может быть основано на одномерной (1D) непараметрической табуляции функций факторов из стандартной микрофасеточной модели в компьютерной графике. Эта модель может обеспечить точное и компактное описание отражательной способности путем сокращения трехмерного (3D) набора данных до набора трехмерных табулированных 1D факторов.

[0014] В этом контексте термин «изотропные» материалы может в общем случае относиться к материалам, демонстрирующим одинаковые (или фактически одинаковые) значения характеристик (например, скорости светопропускания) при измерении вдоль осей во всех направлениях, или имеющим идентичные значения (или фактически идентичные значения) одной характеристики во всех направлениях.

[0015] В этом контексте термин «табулировать» может в общем случае относиться к получению набора отсчетов на основе определения выборочных значений функции на конкретном доменном наборе. Например, для функции y=f(x), определенной на x в [0, 1], запоминание табуляции включает взятие отсчетов x и запоминание значений f(x) для указанных значений x (то есть, запоминание указанных значений f(x)).

[0016] Согласно обсуждаемым здесь примерным методам задача согласования указанной модели с реальными измерениями изотропных материалов может быть решена посредством численного метода альтернирующих взвешенных наименьших квадратов (AWLS). Например, каждый фактор может быть обновлен оптимальным образом в итеративной последовательности при постоянных значениях остальных факторов. Например, веса, определяющие, какой вклад вносит каждый измеренный отсчет BRDF (функция двунаправленного распределения отражательной способности) в общую ошибку в критерии оптимизации, могут быть определены посредством перемножения: (1) параметрической формы объема отсчета, (2) его значимости в интеграле визуализации и (3) ожидаемой ошибки измерения. Для получения желаемых подгонок BRDF, полезных при синтетических визуализациях, у отсчетов BRDF в небольших, но часто очень ярко освещенных областях параметрического пространства может быть снижен вес в указанном третьем факторе.

[0017] Согласно обсуждаемым здесь примерным методам представлений отражательной способности изотропных материалов можно использовать не параметрические микрофасеточные факторные представления.

[0018] Согласно обсуждаемым здесь примерным методам, для представления отражательной способности также можно использовать метод согласования на основе альтернирующих взвешенных наименьших квадратов (AWLS) для произведения факторов известной функциональной зависимости с сжимающим взвешиванием. Как здесь обсуждалось, способ согласования на основе AWLS представляет собой примерный метод компактного представления измеренных данных с расширенным динамическим диапазоном (HDR), находящий применение во многих областях, отличных от представления отражательной способности.

[0019] Параметризация изотропной функции BRDF может быть выполнена на основе трех углов

как показано на фиг. 1.

[0020] Например, как показано в параметризации 100 изотропной BRDF по фиг. 1, нормаль 102 к макрогеометрии 104 поверхности, может быть обозначена как n. Половинный вектор h=(i+ o)/ представляет собой вектор 106 по середине между направлением о(108) наблюдения (или камеры) и направлением i(110) света; θh обозначает угол 112, установленный между половинным вектором 106 и нормальным вектором 102; θd обозначает угол 114, установленный между вектором 110 света и половинным вектором 106 (который также может быть равен углу между направлением 108 наблюдения и половинным вектором 106, поскольку половинный вектор 106 находится посередине между этими двумя направлениями). Угол Φd (не показан; представляет поворот вектора i(110) света и вектора о(108) наблюдения вокруг половинного вектора 106.

[0021] Углы, образованные направлениями «внутрь» (свет) (118) и «наружу» (наблюдение) (120) с нормалью к поверхности (в макромасштабе) определяют исходя из указанных базовых параметров согласно следующим формулам:

[0022] Примерная непараметрическая микрофасеточная модель, может быть представлена как

являющаяся стандартной моделью в компьютерной графике, предложенной Cook и Torrance в 1982 году (смотри, например, Cook and Torrance «A reflectance model for computer graphics», SIGGRAPH 1982). Фактор D, который можно назвать функцией нормального распределения, или NDF, представляет собой функцию распределения вероятности, представляющую вероятность того, что нормаль к микрофасете составляет угол θh с нормалью к поверхности в макромасштабе. Фактор F, который можно назвать фактором Френеля, представляет, как отражательная способность зависит от угла θd «раствора». Фактор G, который можно назвать геометрическим фактором представляет, как микрогеометрия затеняет свет и вызывает взаимное отражение света сама на себя, в функции наклона направления света или наблюдения (то есть, θi или θ0). Физический принцип обратимости предполагает, что отражательная способность будет идентичной (или фактически идентичной), если направление света и наблюдения поменять местами (например, модель может быть симметричной в отношении θi и θ0).

[0023] Согласно обсуждаемым здесь примерным методам вышеуказанную модель (уравнение (3)) можно применять независимо для каждого цветового канала спектра измерений (например, 3-канальное измерение для RGB (красный-зеленый-синий)).

[0024] Во многих вышеупомянутых методах предполагается использование простых и ограниченных аналитических моделей для каждого из указанных факторов. Однако согласно обсуждаемым здесь примерным методам пользователь может успешно определить вышеуказанные факторы без необходимости привлечения конкретной параметрической модели или аналитического выражения для этих факторов. Согласно обсуждаемым здесь примерным представлениям выполняется дискретизация функции каждого фактора с получением набора дискретных отсчетов входного аргумента, обрабатываемого как 1D вектор, в предположении о наличии функциональной формы вышеуказанной микрофасеточной модели, без ограничения формы ее отдельных факторов.

[0025] Согласно обсуждаемым здесь примерным методам целевая функция F (например, метрика согласования), используемая для согласования вышеуказанной модели, может включать суммирование по всем измеренным отсчетам BRDF, проиндексированным по j, в виде:

где - значение j-го отсчета BRDF, соответствующего параметрическим координатам (θh, θd, φd)j.

[0026] Согласно обсуждаемым здесь примерным методам взвешивание wj для отсчета j функции BRDF может быть представлено, как показано в уравнении(5):

[0027] Примерная форма объема может быть представлена как:

[0028] Далее обсуждается примерная производная для этой формы.

[0029] Вес wI значимости может быть представлен, например, как:

[0030] Фактор cos(θi) появляется потому, что результат затенения в любой точке поверхности, видимой с направления w0, задается полусферическим интегралом по направлениям wi света, представленным в виде:

где L(wi) представляет падающее излучение света в направлении wi. Фактор cos(θ0) возникает из-за того, что точки поверхности с большей вероятностью видны тогда, когда указанная нормаль совпадает с направлением наблюдения.

[0031] Ожидаемую ошибку wE измерения можно представить как

где f - примерная «сжимающая функция» вида

а - взвешенная медиана функции BRDF с весом, заданным произведением wVwI.

Мощность p взвешивания - это параметр, который можно выбрать в [1,2]. Чем больше значение p, тем больший вес присваивают более темным частям функции BRDF по отношению к ярким участкам. Форма этой примерной сжимающей функции имеет требуемое свойство, состоящее в отображении на конечный интервал [0,1/α], когда x охватывает все не отрицательные действительные числа. Параметр α сжимающей функции можно выбрать, например, в виде α=ln 2, чтобы отразить взвешенную медиану в функции BRDF на центр выходного диапазона (на 1/2α). Чем больше значение α, тем будет большее сжатие при преобразовании; то есть, более высокие значения сжимаются до асимптотического значения 1/α функции (отсюда и термин «сжимающая»). Производная f при x=0 равна 1, так что максимальное соотношение в весе wE перед его возрастанием до мощности p можно представить как:

[0032] Начиная с этого максимума, отношение взвешивания монотонно убывает до 0 при возрастании значения функции BRDF до . В частности, эта примерная формула позволяет успешно исключить проблему с весами, которые становятся неограниченно большими при измерении значений, близких к 0. Это не распространяется на более простые схемы взвешивания, в которых нумератор выбирают равным 1, вместо использования сжимающей функции.

[0033] Согласно примерной итерации метода AWLS для нахождения фактора пользователь может поддерживать все остальные факторы постоянными, а затем может выполнить его обновление на основе оптимальных взвешенных наименьших квадратов. Каждую компоненту в табуляции фактора можно найти независимо на основе следующего.

[0034] При заданной целевой функции:

решение для x, которое минимизирует F, может быть представлено как:

[0035] Таким образом, могут быть аккумулированы все отсчеты, которые отображаются на заданную табулированную «корзину» фактора с применением вышеуказанной формулы (уравнение (13)) в каждой корзине.

[0036] Что касается решения для ρs и ρd, то следует заметить, что оптимальным решением в отношении целевой функции

будет

и

[0037] Указанная примерная оптимизация выполняется путем обновления каждого фактора (например, D и F) последовательно с использованием уравнения (13), с последующим обновлением ρs и ρd, которые превращаются в a и b в уравнениях (15) и (16). Может понадобится несколько итераций этой процедуры, пока не будет достигнута сходимость.

[0038] Например, пользователю может потребоваться обновить вектор, представляющий фактор D. Другие факторы, а также ρd и ρs поддерживаются постоянными. Компонента этого вектора Dk индексируется по k в соответствии со значением его аргумента (θh)k. Например, согласуемые параметрические местоположения всех отсчетов функции BRDF, чья параметрическая координата θh отображается ближе всех к (θh)k, может быть проиндексирована с помощью (θddio)kj. Для обновления Dk можно определить наилучшее решение на основе наименьших квадратов для взвешенной системы уравнений

где весом, соответствующим индексу j приведенного выше уравнения будет wj. Оптимальное решение задается уравнением (13) при

[0039] Геометрический фактор можно обрабатывать либо как независимый табулированный фактор, либо его можно получить из D, используя формулу затенения из микрофасеточной теории. Если G определяют из D, то тогда нелинейную зависимость вводят в релаксацию, и появляется неопределенность, состоящая в том, является ли результирующий фактор оптимальным. Согласно обсуждаемым здесь примерным методам эту проблему можно решить путем вычисления D с использованием этапа AWLS, получения G из вычисленного D с последующей проверкой для определения того, уменьшилась ли целевая функция. Если нет, то может быть использована простая 1D минимизация (например, поиск на основе золотого сечения), которая может уменьшить целевую функцию вдоль линии от предшествующего состояния вектора D до нового состояния, вычисленного на этапе AWLS.

[0040] Как обсуждается далее, были показаны весьма точные экспериментальные результаты. Указанное успешное согласование могло стать результатом использования более общей модели для каждого из факторов и правильно взвешенного согласования применительно к 3D измерению в целом.

[0041] На фигурах 2А - 2B показаны примерное измерение 200А и при мерная визуализация 200B с использованием примерного согласования непараметрической функции BRDF, которая здесь обсуждается. Как показано на фиг. 2А, в фигуре 202 Будды используется золотой покрасочный материал (цвет как золотой не показан), кролик (204) имеет хромированное покрытие, а стол и стенка окрашены белым (из базы данных MERL). На врезке по фиг. 2В показана визуализация 206 с ошибками в цвете.

[0042] Специалистам в области обработки данных очевидно, что для представления отражательной способности изотропных материалов можно использовать множество других методов, не выходя за рамки существа изложенного здесь обсуждения.

II. Примерная операционная среда

[0043] Обсуждаемые здесь отличительные признаки обеспечены в качестве примерных вариантов осуществления, которые можно реализовать множеством различных путей, понятных специалистам по обработке данных, не выходя за рамки существа обсуждения. Указанные отличительные признаки должны формироваться только в виде отличительных признаков примерных вариантов осуществления, причем здесь не предполагается, что они ограничены только указанными подробными описаниями.

[0044] Далее обсуждается фиг. 3, где представлена блок-схема обобщенной системы 300 для представления отражательной способности. Показанная здесь обобщенная система 300 приведена просто для иллюстрации различных примерных функциональных возможностей и/или логических операций, которые могут быть включены в примерные методы, которые здесь обсуждаются, причем здесь не предполагаются какие-либо ограничения в плане их реализаций в различных аппаратных и/или программных конфигурациях.

[0045] Например, система 300 может включать в себя считываемую компьютером запоминающую среду, где хранятся команды для их выполнения по меньшей мере одним процессором. Как показано на фиг. 3, система 300 может включать в себя устройство 302, содержащее по меньшей мере один процессор 304. Устройство 302 может включать в себя администратор 306 представления отражательной способности, который может содержать модуль 308 сбора данных, способный получать множество точек 310 измеренных выборочных данных, связанных с отражательной способностью на поверхности материала.

[0046] Согласно примерному варианту осуществления администратор 306 представления отражательной способности или одна, или несколько его частей может включать в себя исполняемые команды, которые могут храниться в материальной считываемой компьютером запоминающей среде, как обсуждается ниже. Согласно примерному варианту осуществления считываемая компьютером запоминающая среда может включать в себя любое количество запоминающих устройств и любое количество типов запоминающей среды, включая распределенные устройства.

[0047] В этом контексте термин «процессор» может включать в себя один процессор или множество процессоров, сконфигурированных для обработки команд, связанных с обрабатывающей системой. Таким образом, процессор может включать в себя один или несколько процессоров, обрабатывающих команды параллельно и/или в распределенном режиме. Хотя процессор 304 устройства показан как внешнее устройство по отношению к администратору 306 представления отражательной способности на фиг. 3, специалистам в области обработки данных очевидно, что процессор 304 можно реализовать в виде одной компоненты и/или в виде распределенных блоков, которые могут находиться внутри или снаружи по отношению к администратору 306 представления отражательной способности и/или любому из его элементов.

[0048] Например, система 300 может включать в себя один или несколько процессоров 304. Например, система 300 может включать в себя по меньшей мере одну материальную считываемую компьютером запоминающую среду, где хранятся команды, исполняемые одним или несколькими процессорами 304, причем эти исполняемые команды сконфигурированы для инициирования выполнения по меньшей мере одним вычислительным устройством (например, устройством обработки данных), команд, связанных с различными примерными компонентами, включенными в систему 300, как здесь обсуждалось. Например, один или несколько процессоров 304 могут быть включены по меньшей мере в одно вычислительное устройство. Например, исполняемые команды могут быть реализованы в виде логических операций (например, программируемая логика, логические схемы и т.д.), сконфигурированных для исполнения одним или несколькими процессорами. Специалистам в области обработки данных очевидно, что имеется множество конфигураций процессоров и вычислительных устройств, которые можно сконфигурировать в соответствии с изложенным здесь обсуждением, не выходя за рамки существа указанного обсуждения. Как обсуждается ниже, термин «считываемая компьютером запоминающая среда» не относится здесь к сигналу и, в частности, исключает сигнал как таковой.

[0049] В этом контексте термин «компонента» может относится к исполняемым командам или аппаратным средствам, которые могут быть сконфигурированы для выполнения конкретных операций с помощью аппаратных средств. Указанные команды могут входить в группы команд компонент или могут быть распределены по более чем одной группе. Например, некоторые команды, связанные с операциями первой компоненты, могут быть включены в группу команд, связанных с операциями второй компоненты (или еще и других компонент). Например, термин «компонента» может здесь относиться к типу вычислительного объекта, сконфигурированного с функциональными возможностями, которые могут быть реализованы исполняемыми командами, находящимися в одном объекте, или могут быть расширены или распределены по множеству объектов и могут перекрываться с командами и/или аппаратными средствами, связанными с другими компонентами. В этом контексте термин «исполняемые» команды относится к командам, которые специально сконфигурированы для исполнения одним или несколькими аппаратными устройствами, но не относится к программным средствам как таковым.

[0050] Согласно примерному варианту осуществления администратор 306 представления отражательной способности может быть реализован связанным с одним или несколькими пользовательскими устройствами. Например, администратор 306 представления отражательной способности может находиться на связи с одним или несколькими серверами, как подробно обсуждается ниже.

[0051] Например, хранилище 316 объектов может включать в себя одну или несколько баз данных, доступ к которым может осуществляться через компоненту 318 интерфейса баз данных. Специалистам по обработке данных очевидно, что имеется множество технологий для запоминания информации в хранилище, например, различные типы конфигураций баз данных (например, реляционные базы данных, иерархические базы данных, распределенные базы данных) и конфигурации, не относящиеся к базам данных.

[0052] Согласно примерному варианту осуществления администратор 306 представления отражательной способности может включать в себя память 320, в которой могут, например, храниться промежуточные данные для администратора 306 представления отражательной способности. В этом контексте термин «память» может включать в себя единое запоминающее устройство или множество запоминающих устройств, сконфигурированных для хранения данных и/или команд. Кроме того, память 320 может охватывать множество распределенных запоминающих устройств.

[0053] Согласно примерному варианту осуществления компонента 322 пользовательского интерфейса может управлять обменом данными между пользователем 324 и администратором 306 представления отражательной способности. Пользователь 324 может быть связан с приемным устройством 126, которое может быть связано с дисплеем 328 и другими устройствами ввода/вывода. Например, дисплей 328 может быть сконфигурирован для осуществления связи с приемным устройством 326 посредством передач по внутренней шине устройств или посредством по меньшей мере одного сетевого соединения.

[0054] Согласно примерным вариантам осуществления дисплей 328 можно реализовать в виде экранного дисплея, в виде печатного дисплея или двумерного дисплея, трехмерного дисплея, статического дисплея, дисплея с движущимися изображениями, сенсорных дисплеев, таких как дисплеи с тактильным выводом, аудио выводом, и любой другой формой вывода для связи с пользователем (например, с пользователем 324).

[0055] Согласно примерному варианту осуществления администратор 306 представления отражательной способности может включать в себя сетевую коммуникационную компоненту 330, которая может управлять сетевым обменом между администратором 306 представления отражательной способности и другими объектами, которые могут осуществлять связь с администратором 306 представления отражательной способности по меньшей мере через одну сеть 332. Сеть 332 может, например, включать в себя по меньшей мере одну из сетей: Интернет, по меньшей мере одну беспроводную сеть или по меньшей мере одну проводную сеть. Например, сеть 332 может включать в себя сеть сотовой связи, сеть радиосвязи или сеть любого типа, способную поддерживать передачу данных для администратора 306 представления отражательной способности. Например, сетевая коммуникационная компонента 330 может управлять сетевыми обменами данными между администратором 306 представления отражательной способности и приемным устройством 326. Например, сетевая коммуникационная компонента 330 может управлять сетевым обменом данными между компонентой 332 пользовательского интерфейса и приемным устройством 326.

[0056] Генератор 340 представления может создавать непараметрическое компактно табулированное однонаправленное представление 342 для множества факторов в микрофасеточной модели 344 с использованием полученных точек 310 выборочных данных. Например, генератор 340 представления может сохранить представление 342 в памяти 320 и/или в базе 346 данных о представлениях, которая может быть включена в систему 300 или может находиться вне системы 300.

[0057] В этом контексте термин «микрофасет» может относится к очень маленькому (то есть, микроскопическому) фасету поверхности визуализируемого объекта (например, используемому при аппроксимации значений отражательной способности). Например, фасет может содержать плоскую поверхность (или фактически плоскую поверхность).

[0058] В этом контексте термин «компактно табулированный» может относиться к табуляции на существенно большом количестве отсчетов, пропорциональном плотности дискретизации в параметрических координатах исходного набора согласуемых измерений. Например, непараметрическое компактно табулированное одномерное представление может быть создано на основе 90 отсчетов в D, F, и G факторах при согласовании с угловыми измерениями с использование 90 отсчетов в θh и θα и 180 отсчетов в φα.

[0059] Например, механизм 348 визуализации может визуализировать одно или несколько изображений 350, используя непараметрическое компактно табулированное одномерное представление 342. Например, механизм 348 визуализации может сохранить визуализированное изображение 350 в памяти 320 и/или в базе 352 данных изображений, которые могут находиться в системе 300 или вне системы 300.

[0060] Например, получение множества точек 310 измеренных выборочных данных может включать в себя получение множества точек измеренных выборочных данных, представляющих измерения яркости точек на поверхности.

[0061] Например, получение множества точек 310 измеренных выборочных данных может включать в себя получение множества точек измеренных выборочных данных, представляющих измерения яркости точек на поверхности на основе яркости, воспринимаемой с множества разных ракурсов и положений света.

[0062] Например, генератор 340 представления может создать непараметрическое компактно табулированное одномерное представление 342 с использованием метрики согласования, которую вычисляют с использованием взвешивания суммы квадратов. Указанное взвешивание включает в себя не являющуюся константой функцию значений измерений полученного множества точек измеренных выборочных данных.

[0063] Например, метрику согласования можно минимизировать, используя численный метод альтернирующих взвешенных наименьших квадратов (AWLS).

[0064] Например, генератор 340 представления, используя полученные точки 310 выборочных данных, может создать непараметрическое компактно табулированное одномерное представление 342, используя три одномерные функции, представляющие факторы в микрофасеточной модели 344.

[0065] Например, указанные факторы включают в себя фактор (F) Френеля, который представляет зависимость отражательной способности от угла θd, функцию (D) нормального распределения, которая представляет функцию распределения вероятности того, что микрофасеточная нормаль образует угол θh с нормалью к поверхности в макромасштабе, и геометрический фактор (G), который представляет микрогеометрическое затенение и взаимное отражение света на самой микрогеометрии в функции одного или нескольких отклонений от направления света или отклонений от направления наблюдения.

[0066] Например, генератор 340 представления может создать непараметрическое компактно табулированное одномерное представление 342 путем применения микрофасеточной модели 344 независимо для каждого цветового канала спектра измерений.

[0067] Например, генератор 340 представления может создать непараметрическое компактно табулированное одномерное представление 342 путем применения микрофасеточной модели 144 независимо в виде трехканального измерения (красный канал, зеленый канал и синий канал) для спектра измерений RGB (красный-зеленый-синий).

[0068] Согласно другому аспекту модуль 308 сбора данных может получить множество точек 310 измеренных выборочных данных, связанных с отражательной способностью на поверхности материала. Механизм 358 согласования модели может согласовать полученные точки 310 выборочных данных с моделью, применив метрику согласования модели к полученным точкам 310 выборочных данных, где указанная модель подгоняет метрику, вычисленную с использованием неотрицательной, ненулевой степени отношения первой функции ко второй функции, где первая и вторая функции определены на нормализованных значениях множества точек 310 измеренных выборочных данных, причем первая функция определена как сжимающая функция, а вторая функция определена как не асимптотически возрастающая функция (то есть, функция, которая возрастает не асимптотическим образом). Например, первая и вторая функции могут быть определены так, как обсуждается ниже в связи с уравнениями (29) и (30). Как показано в примерах уравнений (29) и (30) сжимающей нумератор выполняет сглаживание, в то время как деноминатор может продолжать увеличение без ограничения.

[0069] Например, термин «асимптотический» может относиться к стремлению к заданному значению в виде выражения, содержащего переменную, стремящуюся к пределу (например, к бесконечности).

[0070] Например, полученные точки 310 измеренных выборочных данных включают в себя множество точек 310 измеренных выборочных данных, представляющих отражательную способность на поверхности материала.

[0071] Метрика согласования модели, например, может включать в себя взвешивание формы объема на основе трехугловой параметризации.

[0072] Например, метрика согласования модели может включать в себя взвешивание по значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света.

[0073] Например, метрика согласования модели может быть минимизирована с использованием численного метода альтернирующих взвешенных наименьших квадратов (AWLS).

[0074] Например, точки измеренных выборочных данных могут включать в себя измеренный отсчет точек данных с расширенным динамическим диапазоном (HDR), которые включают в себя набор точек данных, значения которых превышают заранее определенный порог.

[0075] Согласно еще одному аспекту модуль 308 сбора данных может получить множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала.

[0076] Механизм 358 метрики согласования может согласовать точки 310 измеренных выборочных данных с моделью путем применения метрики согласования к полученным точкам 310 выборочных данных, причем метрику согласования вычисляют с использованием взвешивания суммы квадратов, где взвешивание суммы квадратов включает в себя не являющуюся постоянной функцию значений измерений полученного множества точек 310 измеренных выборочных данных.

[0077] Например, взвешивание суммы квадратов может включать в себя квадратичные отклонения предсказаний модели от действительных измеренных значений.

[0078] Например, получение множества точек измеренных выборочных данных может включать в себя получение множества точек измеренных выборочных данных, представляющих измерения яркости точек на указанной поверхности.

[0079] Например, метрику согласования можно вычислить с использованием множества субвесов, где субвеса включают в себя взвешивание формы объема на основе трехугловой параметризации.

[0080] Например, метрику согласования можно вычислить с использованием множества субвесов, где субвеса включают в себя взвешивание по значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света.

[0081] Например, генератор 340 представления может создать непараметрическое компактно табулированное одномерное представление 342 для множества факторов в микрофасеточной модели 344, используя полученные точки 310 выборочных данных.

[0082] В обсуждаемых здесь примерных методах можно использовать возможности согласования микрофасеточной модели для изотропных функций BRDF, замеренных на реальных материалах. В обсуждаемой здесь примерной непараметрической факторной модели можно использовать функциональную структуру, при этом отпадает необходимость ограниченных параметризаций для факторов модели, что является преимуществом. Примерная целевая функция может быть основана на сжимающем взвешивании для измерения ошибки согласования в функциях BRDF с расширенным динамическим диапазоном. Обсуждаемые здесь примерные метрики могут серьезно усовершенствовать управление ошибкой визуализации.

[0083] Кроме того, может быть использована примерная численная процедура (или численный метод) для минимизации целевой функции и обработки зависимостей, которые возникают между факторами.

[0084] Результаты экспериментов показывают, что микрофасеточная модель с общими ID факторами может успешно обеспечить нужное представление и охватывает достаточно исчерпывающий набор материалов в отличие от стандартных параметрических подходов.

[0085] Синтез фотореалистичных изображений включает глобальную имитацию переноса света в сцене посредством численного решения уравнений визуализации или радиационного переноса, а также локальное моделирование взаимодействия света на поверхностях или объемных частицах. Локальные взаимодействия кроме того классифицируются на отражение, пропускание, рассеяние или подповерхностные явления. Независимо от точности имитации глобального переноса света синтезированные изображения могут выглядеть нереалистично, если локальная модель не в состоянии точно уловить особенности характеристик реальных материалов.

[0086] Согласно обсужденным здесь примерным технологиям можно использовать ограниченное пространство отражения изотропной локальной поверхности, инвариантного в отношении к одновременному повороту векторов света и наблюдения вокруг нормали к поверхности. Здесь 4D функция двунаправленного распределения отражательной способности (BRDF), которая характеризует отражательную способность в конкретной точке поверхности, сокращается до 3D функции. Это позволяет игнорировать случаи с микрогеометрией направленно выровненной поверхности, типа царапин (на шлифованном металле) или волокон (волос или ткани), но при этом включает представляющий интерес широкий класс общеизвестных материалов.

[0087] Даже в изотропном случае представление BRDF может стать проблемой. Например, некоторые стандартные представления могут опираться на большие табулированные наборы данных, которые трудно редактировать, и хранение и доступ к которым связан с большими затратами в системе визуализации, или опираться на компактные параметрические модели, которые вряд ли способны точно описывать многие реальные материалы.

[0088] Микрофасеточная теория может с успехом содействовать решению этой проблемы представления, поскольку она позволяет моделировать отражение с поверхности в грубом масштабе в виде произведения нескольких факторов, получаемых из статистического распределения геометрических характеристик в микромасштабе, как более подробно обсуждается ниже. Было предложено несколько реализаций, которые определяют простые аналитические модели для различных факторов на основе нескольких параметров. Однако эти факторные модели не могут охватить широкий диапазон реальной отражательной способности. Тем не менее, выделение функциональной структуры из конкретных строго ограниченных моделей, используемых для ее факторов, обеспечивает компактность обобщенного представления и способность описания реальной отражательной способности. Указанное примерное представление называется здесь «непараметрической факторной микрофасеточной моделью».

[0089] Обсуждаемые здесь примерные методы отражают согласование этой непараметрической факторной модели с данными с расширенным динамическим диапазоном (HDR) из измеренных BRDF как стандартную проблему минимизации. Однако обычно используемые параметры оптимизации могут привести к большой ошибке при использовании результирующих подгонок для визуализации. Таким образом, в обсуждаемых здесь примерных методах в качестве примера используется параметр, который объединяет сжимающее взвешивание (например, уравнение 29) с весами на основе параметрической формы объема функций BRDF (например, уравнение 26) и оценки ее значимости в интеграле локальной визуализации (например, уравнение 28). Например, подобно методам в робастной статистике обсуждаемые здесь примерные методы позволяют успешно снизить влияние ошибки на ярко выраженные пики BRDF для лучшего согласования более темных, но более широких областей. Кроме того, указанную минимизацию может выполнить решатель на основе метода альтернирующих взвешенных наименьших квадратов (AWLS). Например, AWLS решатель может в какой-то степени использовать подходы, аналогичные тензорной аппроксимации, но имеет дело с нелинейными зависимостями между факторами и факторными переменными, которые возникают в микрофасеточной модели. Указанные примерные методы могут непосредственно быть направлены на реализацию, быструю сходимость, устойчивость к случайной инициализации и полную автоматизацию, без необходимости подстройки параметров материала. Указанные примерные методы могут обеспечить согласования, являющиеся достаточно точными, как в количественном смысле, так и визуально.

[0090] Обсуждаемые здесь примерные модели могут включать в себя три табулированных ID вектора, по одному для следующих факторов: затенения-маскирования G, микрофасеточного распределения D и Френеля F, а также коэффициент скалярной диффузии pd и зеркальный коэффициент ps (например, уравнение 21). Как обсуждается далее, эту примерную модель можно подогнать независимо для каждого цветового (RGB) канала данных. Например, здесь обсуждаются по меньшей мере две альтернативные формулировки фактора G: одна, которая определяет фактор G исходя из D с использованием примерной модели затенения, и другая, которая управляется данными. Второй метод может улучшить согласование для многих более диффузных материалов, но при этом могут возрасти издержки на согласование. Оба метода могут обеспечить эффективность компактной управляемой данными модели, определяемой не ортогональной в отношении микрофасет, но физически обоснованной факторизацией.

[0091] Данные отражательной способности для BRDF можно непосредственно получить с помощью гониорефлектометров. Шум от дискретизации и ограниченная разрешающая способность могут потребовать корректирующей постобработки, если указанные данные должны использоваться для синтеза изображений. Например, набор данных MERL (смотри, например, Matusik и др., ʺA data-driven reflectance modelʺ, In ACM SIGGRAPH 2003 Papers ACM pp. 159-769) включает в себя большой набор (например, 100) изотропных функций BRDF, зафиксированных с высоким угловым разрешением (например, 1,5 миллиона отсчетов).

[0092] Аналитические BRDF модели (например, параметрические модели) могут служить в качестве альтернатив в отношении представлений, управляемых данными; однако указанные параметрические модели могут привести к уменьшению точности. Например, параметрические модели можно проверить, сопоставив их с реальными функциями BRDF, используя согласования с набором данных MERL на основе наименьших квадратов.

[0093] В широком смысле микрофасеточная теория отражения от неровных поверхностей установила, что характер крупномасштабного отражения является результатом отражений (и взаимоотражений) в микрогеометрическом масштабе. Геометрия и состав материала этой микроструктуры в конце концов предопределяет отражательную способность материала. Микрофасеточная модель дает математическое описание микроповерхностных свойств. Например, для компьютерной графики в основу получения аналитического описания факторов затенения-маскирования может быть положено статистическое распределение ориентаций микрогеометрических фасет.

[0094] Базовые аналитические представления можно использовать при реалистичной и интерактивной визуализации, включая компактное представление функций BRDF. Например, представления сферических гармоник (SH) могут быть компактными, в состоянии обеспечить эффективное восстановление и дискретизацию, но могут быть ограничены «низкочастотным» отражением из-за диффузных и ограниченно гладких функций BRDF. Например, вейвлеты представляют особенности отражения в широком диапазоне с аналогичной эффективностью, но с более высоким уровнем затрат на хранение. Например, для интерактивной визуализации можно использовать сферические радиальные базовые функции (SRBF) для достижения лучшего баланса точности, эффективности восстановления и эффективности дискретизации. Например, для согласования с реальной отражательной способностью может быть использовано представление на основе рационально дробных функций. Однако указанное представление может оказаться нестабильным и затратным для согласования.

[0095] Для представления функции BRDF также может быть использовано табулированное «базовое» представление. В общем случае, если BRDF объекта интерпретируется как четырехмерный табулированный набор данных, то для более компактной факторизации и представления данных можно использовать методы тензорной аппроксимации. Например, для факторизации наборов данных BRDF могут быть применены методы численной алгебры, где могут быть использованы различные типы представлений факторизации и табуляции. Эти подходы могут включать в себя много факторов для обеспечения согласования с реальными данными по отражательной способности с низким уровнем ошибок.

[0096] В обсуждаемых здесь примерных методах возможно использование Факторизации (на основе трех 1D-членов), имеющейся в неявном виде в фасеточной модели, и есть возможность успешного получения точных и компактных подгонок.

[0097] В другом примере деревья обратного затенения могут усилить общую функциональную структуру для получения более простых 1D и 2D факторов. Указанная модель не основана на микрофасеточной теории. Не все микрофасеточные факторы представляют собой прямые функции независимых переменных, так что обсуждаемые здесь примерные методы можно интерпретировать как «не ортогональные» тензорные факторизации. В частности, возникают нелинейные зависимости между факторами из-за зависимости фактора затенения-маскирования (G) от θi (или θ0) (например, уравнения 19 и 20). Этот фактор также появляется дважды, каждый раз в функции разного полученного угла. Кроме того, одна форма обсуждаемой здесь примерной модели позволяет получить в явном виде фактор затенения-маскирования с использованием двойного интегрирования фактора D микрофасеточного распределения.

[0098] Далее обсуждается в качестве примера взвешенная линейная регрессия.

[0099] Хотя надежные методы регрессионного анализа нашли широкое распространение в статистическом и экспериментальном анализе, моделирование отражательной способности для компьютерной графики (CG) может отличаться гетероскедастичностью (смотри, например, White, H., «A heteroscedasticity-consistent covariance matric estimator and direct test for heteroscedasticity», Econometrica 48, 4, (1980), pages 817-838); статистические переменные, такие как отсчеты функции BRDF, могут отличаться по их дисперсиям и ожидаемым ошибкам измерений. Примерное решение может содержать взвешенную линейную регрессию, где веса обратно пропорциональны дисперсии выборки. Например, можно сделать так, чтобы вес представлял собой непосредственную функцию (например, обратную или обратную квадрату) зависимой переменной или измеренного отклика (например, регрессия с процентными оценками на основе метода наименьших квадратов). Например, указанные методы можно использовать для сжимающего взвешивания (как обсуждается ниже), дополняемого сжимающим нумератором, который обеспечивает, чтобы взвешивание не оказалось недопустимо высоким при приближении измерения BRDF к 0.

[0100] Примерная микрофасеточная модель обсуждается ниже.

[0101] В каноническом локальном координатном кадре нормаль к поверхности можно обозначить как n=(0,0,1). Например, направление света можно обозначить как i, направление наблюдения как о, а половинный вектор посередине между ними. Эти примерные векторы являются единичными 3D векторами.

[0102] Изотропная функция BRDF инвариантна к повороту половинного вектора вокруг нормали, и может быть описана в качестве параметров тремя углами (θh, θd, θd), полученными из n, i и o. Угол между половинным вектором и нормалью можно обозначить как , где cosθh=n·h. Угол образуется между направлением наблюдения или света и половинным вектором; сosθd=i·h=o·h. Кроме того, угол обозначает поворот направления света относительно h и может быть определен как , где обозначает перпендикулярную проекцию u на v.

[0103] Угол между направлением света и нормалью, θi, и между направлением наблюдения и нормалью, θ0, можно определить из указанных трех параметрических углов, используя:

[0104] Отсчеты функции BRDF будут лежать в положительной полусфере из n: другими словами . Например, приведенные выше формулы можно получить, используя параметризацию, обсуждаемую ниже (например, при обсуждении вывода результатов параметризации изотропной BRDF, показанных ниже).

[0105] При условии указанной параметризации микрофасеточная модель представляет функции BRDF на основе трех одномерных факторных функций в виде:

[0106] D фактор можно назвать функцией нормального распределения (NDF), представляющей вероятность того, что нормаль к микрофасете образует угол θh с нормалью n в макромасштабе. F фактор можно назвать фактором Френеля, моделирующим изменчивость отражательной способности в параметре θd. Геометрический фактор G моделирует эффекты затенения-маскирования и взаимного отражения на основе отклонения направлений наблюдения или света, θi или θ0. Свойство взаимности устанавливает, что ρ не изменяется при изменении i и о, что предполагает совместное использование одного и того же G фактора для обоих аргументов θi и θ0. Для краткости записи отброшено деление на , обычно представленное в определении коэффициентов диффузии и зеркальности, ρd и ρs.

[0107] Для проверки адекватности микрофасеточной модели может быть определена примерная наивная модель вида:

которая обеспечивает факторизацию непосредственно на основе переменных параметризации.

[0108] Например, пользователь может обеспечить согласование с базой данных MERL, где хранятся результаты измерений для 100 различных изотропных материалов. Каждый результат измерения материала хранится в унифицировано дискретизированном 3D блоке (θh, θd, φd) параметрического пространства с угловой дискретизацией 90×90×180 для каждого RGB цветового канала. Размерность θh кроме того преобразуется следующим образом:

что обеспечивает более частую дискретизацию при приближении к 0 в области яркого зеркального освещения. - дискретизируется равномерно в интервале .

[0109] Примерная модель в уравнении (21) может быть применена отдельно для согласования измерений в каждом цветовом канале. Для каждого цветового канала пользователь может найти три вектора, включающих каждый 90 компонент (представляющих дисретизированные факторные функции D, F и G) и две скалярые величины ρd и ρs.

[0110] Примерные методы согласования непараметрических микрофасеточных факторов обсуждаются ниже.

[0111] При обсуждении примерной целевой функции согласования (например, при обсуждении «метрики согласования»), может быть минимизирована следующая сумма по всем измеренным отсчета BRDF, проиндексированным по j:

где - измеренный отсчет BRDF, (θh, θd, φd)j представляет его параметрические координаты, а оценка ρ берется из уравнения (21). Вес wj может быть обеспечен посредством перемножения трех субвесов:

[0112] Далее обсуждаются указанные три примерных субвеса. Следует заметить, что глобальные константы в этих определениях не влияет на минимизацию и могут быть проигнорированы.

[0113] Ниже обсуждается взвешивание формы объема.

[0114] Первый субвес формируется из трехугловой параметризации изотропных функций BRDF и может быть представлен как:

[0115] Обсуждаемое здесь примерное взвешивание можно определить формой объема отображения между параметрическим пространством (θh, θd, φd) и выходным пространством (i, o) пар единичных направлений. Примерное получение этой формулы обсуждается ниже при примерном получении параметрического взвешивания для изотропной BRDF. Поскольку параметризация функции BRDF основана на , а не на , уравнение (23) подразумевает, что

[0116] Взвешивание по значимости функции BRDF обсуждается ниже.

[0117] Второй субвес можно обозначить как:

[0118] Фактор cosθi появляется, поскольку он умножается на BRDF в интеграле локального затенения по направлениям падающего света. Фактор cosθ0 включен для взаимной симметрии, и, поскольку точки поверхности с большей вероятностью видны тогда, когда указанная нормаль совпадает с направлением наблюдения.

[0119] Ниже по тексту обсуждается примерная технология сжимающего взвешивания.

[0120] Последний субвес может появиться, поскольку, как ожидается, большая ошибка измерения появляется в большем по величине отсчете функции BRDF. Например, пользователь может принять решение не пытаться согласовывать высокие значения также строго, как низкие. Этот субвес можно обозначить как:

где f - сжимающая функция формы

и -взвешенная медиана BRDF с весом, заданным произведением wVwI. Мощность p взвешивания - это параметр, который может быть выбран, например, в диапазоне [1,2]. Чем больше значение p, тем выше значение веса, которое может быть присвоено более темным частям BRDF по отношению к ее ярким частям. Например, для подгонок может быть зафиксировано значение p=1,4.

[0121] На фиг. 4 представлена графическая иллюстрация 400 примерной сжимающей функции согласно примерным обсужденным здесь методам. Сжимающая функции в уравнении (30) отображает все неотрицательные действительные числа x на конечный интервал [0, 1/α]. Чем больше значение α, тем выше степень сжатия при преобразовании; то есть, тем ближе к асимптоте 1/α будут более высокие значения. Например, как показано на фиг. 4, кривая 402 иллюстрирует f(x;α) для α=1, кривая 404 иллюстрирует f(x;α) для α=2 и кривая 406 иллюстрирует f(x;α) для α=3. Согласно обсуждаемым здесь примерным методам значение α=log 2 может быть фиксированным для отображения взвешенной медианы функции BRDF в центр выходного интервала (то есть, 1/2α).

[0122] Следует заметить, что . Следовательно, максимальное значение равно 1. С этого максимума при оно монотонно уменьшается до 0, когда значение функции BRDF . Трудностей с произвольно большими весами не возникает при , как в случае с более простой альтернативой взвешивания в виде обратной величины измерения . Вдали от 0 эта схема сжимающего взвешивания фактически подобна указанной более простой схеме.

[0123] Ниже обсуждается примерный метод согласования.

[0124] Процедура AWLS является итеративной процедурой, в ходе которой многократно обновляется каждый фактор в последовательности, пока не будет достигнута сходимость процесса. Для обновления одного фактора какие-либо другие факторы могут поддерживаться постоянными, а затем в ходе процедуры ищется оптимальное значение одного фактора на основе метода взвешенных наименьших квадратов, при котором минимизируется целевая функция. Каждый фактор включает в себя множество компонент, представляющих 1D выборочную функцию. В качестве иллюстрации того, как можно вычислить каждую факторную компоненту, можно предложить примерную упрощенную целевую функцию в виде:

где x представляет отдельную факторную компоненту, для которой ищется решение. Решение, обеспечивающее минимизацию, можно обозначить как:

[0125] В «корзине» каждой факторной компоненты могут накапливаться взвешенные суммы, представляющие вышеупомянутые нумератор и деноменатор, для всех отсчетов функции BRDF, которые отображаются. Затем может быть обеспечено оптимальное значение компоненты путем деления в уравнении (32).

[0126] Что касается решения для ρd и ρs, то следует заметить, что оптимальное решение для упрощенной целевой функции:

можно вычислить по правилу Крамера

[0127] Если оптимум b<0, его можно положить равным 0, и для определения оптимального значения α можно применить следующую (более простую) формулу

[0128] Оптимизация может продолжаться путем обновления каждой факторной компоненты (например, D или F) с использованием уравнения (32), после чего можно обновить ρs и ρd, которые превратились в α и b в уравнениях (34) и (35).

[0129] В частности, пользователь может захотеть обновить фактор D. Другие факторы, а также ρd и ρs могут поддерживаться постоянными. Положим, например, что компонента D индексируется по k, в соответствии с конкретным значением аргумента (θh)k, и предположим, что параметрические местоположения всех отсчетов BRDF, чья координата θh отображается на (θh)k, индексируются по (θd,φd,θi,θo)kj, тогда для обновления Dk наилучшее решение методом наименьших квадратов для взвешенной системы уравнений, индексированных по j может быть определено в виде:

где, как и ранее, уравнение j взвешивается умножением на wj. Примерное оптимальное решение задается уравнением (13) с

[0130] F фактор можно обновлять аналогичным образом, также как H фактор в указанной наивной модели.

[0131] G можно трактовать как независимый табулированный фактор, либо его можно получить исходя из D с использованием модели затенения. При оценке D или косинусных факторов в уравнении (21) можно применить линейную интерполяцию в пространстве θi или θo. Этого можно избежать применительно к D и F, поскольку все отсчеты функции BRDF равномерно параметризированы в и θd и отображаются на соответствующую векторную компоненту.

[0132] Определение G исходя из D вводит нелинейную зависимость в релаксацию, так что решение для D не является оптимальным. Эта проблема может быть решена путем вычисления D с использованием примерного этапа AWLS, получения G из этого этапа и последующей проверки в явном виде того, уменьшилась ли целевая функция. Если нет, то может быть применена выборочная 1D минимизация на основе поиска методом золотого сечения (GSS), который сокращает целевую функцию по линии от предшествующего состояния фактора D до его нового состояния.

[0133] G можно вычислить из D посредством двойного интегрирования (39)

[0134] Эти формулы можно получить, используя переменные и . Для численной оценки вышеприведенных интегралов точность можно обеспечить, используя квадратуру Гаусса с 15 точками. Табулированную D функцию можно оценить, используя линейную интерполяцию.

[0135] Решение для G также вводит в явном виде нетривиальную зависимость. В отличие от других двух факторов этот фактор появляется в микрофасеточной модели дважды. Согласно обсуждаемым здесь примерным методам, для нахождения решения можно применить простую эвристику. Например, если оба фактора обозначить как Gi=G(θi) и Go=G(θo), то тогда для нахождения решения для каждого по отдельности можно использовать примерный этап обновления на основе AWLS, поддерживая постоянными другой фактор (а также D и F факторы и скаляры ρs и ρd). Затем эти два результата можно усреднить, и применить простой сглаживающий Гауссовский фильтр. Эта процедура может итеративно повторяться, пока не будет достигнута сходимость. Затем можно определить, увеличивается ли целевая функция, и если да, то обновление GSS может быть применено, как и в случае «от G к D».

[0136] Что касается примерного независимого от G решения, то следует заметить, что косинусные факторы в (3) являются избыточными в том смысле, что они могут быть введены в общий G фактор. Согласно обсуждаемым здесь примерным методам они могут быть сохранены, так что G факторы сравнимы в этих двух методах.

[0137] Для обеспечения физически правдоподобного динамического диапазона каждая факторная компонента может быть установлена в интервале [ε, 1], где ε =1e-6. Например, указанное ограничение можно использовать при согласовании, не зависимом от G, которое включает произведение четырех факторов, вычисленных независимо (ρs,D,F,G). Без ограничения DR пользователь может попробовать использовать существенно большие значения для ρs и повышенную значимость малых изменений в факторных компонентах, близких к нулю.

[0138] Специалистам в области обработки данных очевидно, что для взвешивания формы объема можно использовать множество различных методов, не выходя за рамки существа изложенного здесь обсуждения.

III. Описание блок-схемы

[0139] Обсуждаемые здесь отличительные признаки обеспечены в виде примерных вариантов осуществления, которые могут быть реализованы множеством различных путей, понятных специалистам в области обработки данных, не выходя за рамки существа данного обсуждения. Указанные отличительные признаки следует рассматривать только в качестве примерных отличительных признаков вариантов осуществления и не следует считать, что они сводятся исключительно к приведенным подробным описаниям.

[0140] На фигурах 5А-5С представлена блок-схема, иллюстрирующая примерные операции системы по фиг. 3 согласно примерным вариантам осуществления. В примере по фиг. 5А на этапе (502) можно получить множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала.

[0141] На этапе (504) можно создать непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели, используя полученные точки выборочных данных.

[0142] Например, на этапе (506) можно визуализировать одно или несколько изображений, используя указанное непараметрическое компактно табулированное одномерное представление.

[0143] Например, на этапе (508) получение множества точек измеренных выборочных данных может включать в себя получение множества точек измеренных выборочных данных, представляющих измерения яркости точек на поверхности.

[0144] Например, на этапе (510) получение множества точек измеренных выборочных данных может включать в себя получение множества точек измеренных выборочных данных, представляющих измерения появления яркости точек на поверхности на основе яркости, воспринимаемой с множества разных ракурсов и положений света, в примере на фиг. 5B.

[0145] Например, на этапе (512) может быть создано непараметрическое компактно табулированное одномерное представление с использованием метрики согласования, которую вычисляют с использованием взвешивания суммы квадратов, где взвешивание включает в себя не являющуюся постоянной функцию измеряемых величин для полученного множества точек измеренных выборочных данных.

[0146] Например, на этапе (514) метрику согласования можно минимизировать, используя численный метод альтернирующих взвешенных наименьших квадратов (AWLS).

[0147] На этапе (516) генератор представления может создать непараметрическое компактно табулированное одномерное представление, используя три одномерных функции, являющиеся факторами в микрофасеточной модели, с использованием полученных точек выборочных данных.

[0148] Например, указанные факторы включают в себя фактор (F) Френеля, который представляет зависимость отражательной способности от угла θd раствора, функцию (D) нормального распределения, являющуюся функцией распределения вероятности, которая представляет вероятность того, что нормаль к микрофасете составляет угол θh с нормалью к поверхности в макромасштабе, и геометрический фактор (G), который представляет микрогеометрическое затенение и взаимное отражение света на самой микрогеометрии в функции одного или нескольких отклонений от направления света или отклонений от направления наблюдения, в примере по фиг. 5С.

[0149] Например, на этапе 520 можно создать непараметрическое компактно табулированное одномерное представление путем применения микрофасеточной модели независимо для каждого цветового канала спектра измерений.

[0150] Например, на этапе (522) можно создать непараметрическое компактно табулированное одномерное представление путем применения микрофасеточной модели независимо в виде трехканального измерения по каждому каналу: красному, зеленому и синему, для спектра измерений RGB (красный-зеленый-синий).

[0151] На фигурах 6А-6В представлена блок-схема, иллюстрирующая примерные операции системы по фиг. 3 согласно примерным вариантам осуществления. В примере по фиг. 6А на этапе (602) можно получить множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала.

[0152] На этапе (604) можно согласовать точки измеренных выборочных данных с моделью путем применения метрики согласования модели к полученным точкам выборочных данных, где метрику согласования модели вычисляют, используя неотрицательную ненулевую степень отношения первой функции ко второй функции, причем первая и вторая функции определены на нормализованных значениях множества точек измеренных выборочных данных, где первая функция определена как сжимающая функция, а вторая функция определена как не асимптотически возрастающая функция.

[0153] Например, полученные точки измеренных выборочных данных могут включать в себя (606) множество точек измеренных выборочных данных, представляющих отражательную способность на поверхности материала.

[0154] Например, метрика согласования модели может включать в себя (608) взвешивание формы объема на основе трехугловой параметризации.

[0155] Например, метрика согласования модели может включать в себя (610) взвешивание значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света в примере по фиг. 6В.

[0156] Например, на этапе (612) можно минимизировать метрику согласования модели, используя численный метод альтернирующих взвешенных наименьших квадратов (AWLS).

[0157] Например, точки измеренных выборочных данных могут включать в себя (614) измеренный отсчет из точек данных с расширенным динамическим диапазоном (HDR), которые включают в себя набор точек данных, имеющих значения, превышающие заранее установленный порог.

[0158] На фигурах 7А-7В представлена блок-схема, иллюстрирующая примерные операции системы по фиг. 3 согласно примерным вариантам осуществления. На этапе (702) в примере по фиг. 7А можно получить множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала.

[0159] На этапе (704) точки измеренных выборочных данных согласуют с моделью, применяя метрику согласования к полученным точкам выборочных данных, причем метрику согласования вычисляют с использованием взвешивания суммы квадратов, где взвешивание суммы квадратов включает в себя не являющуюся константой функцию измеренных величин из полученного множества точек измеренных выборочных данных (этап 704).

[0160] Например, взвешивание суммы квадратов может включать в себя (706) квадратичные отклонения между предсказаниями модели и действительными значениями измерений (706).

[0161] Например, получение множества точек измеренных выборочных данных может включать в себя (708) получение множества точек измеренных выборочных данных, представляющих измерения появления яркости точек на указанной поверхности.

[0162] Например, на этапе (710) можно вычислить метрику согласования с использованием множества субвесов, где субвеса включают в себя взвешивание формы объема при трехугловой параметризации в примере по фиг.7В.

[0163] Например, на этапе (712) можно вычислить метрику согласования с использованием множества субвесов, где субвеса включают в себя взвешивание значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света.

[0164] Например, на этапе (714) можно создать непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели, используя полученные точки выборочных данных.

IV. Вывод параметризации изотропной BRDF

[0165] В общем случае сферическая система координат представляет собой систему координат для трехмерного пространства, где положение точки задается тремя значениями: радиальным расстоянием данной точки от фиксированного начала координат, ее полярным углом, измеряемым относительно фиксированного направления на зенит и азимутальным углом ее ортогональной проекции на плоскость отсчета, которая проходит через начало координат и перпендикулярна зениту, измеряемому относительно фиксированного направления отсчета на этой плоскости.

[0166] Таким образом, азимут может представлять собой измерение угла в сферической системе координат. Вектор от наблюдателя (начало координат) до интересующей точки можно спроецировать перпендикулярно на плоскость отсчета; и тогда угол между спроецированным вектором и вектором отсчета на плоскости отсчета можно называть азимутом.

[0167] В этом выводе предполагается, что каноническая система координат имеет нормаль к поверхности n=z =(0,0,1) и половинный вектор h в zx плоскости; то есть, перпендикулярный y=(0,1,0). Другими словами, азимутальный угол половинного вектора φh=0.

[0168] Затем может быть выполнена параметризация половинного вектора по

и перпендикулярному направлению (также в zx плоскости)

[0169] В завершении этого ортогональный координатный кадр:

[0170] Тогда направлением света будет

а направлением наблюдения будет

с параметрами и (что исключает избыточные взаимно обратные пары). Заметим, что обозначение двух направлений как «вход» и «выход» может меняться местами из-за их взаимозаместимости. Полная перезапись указанных компонент дает

[0171] Таким образом косинусы углов наклона для направлений внутрь/наружу будут

а тангенсы азимутальных углов будут

[0172] Для выполнения обратного отображения сначала можно вычислить половинный вектор как:

(51)

который лежит в zx- плоскости (с нулевой y-компонентой). Тогда

(52)

[0173] Таким образом, исходные параметрические углы можно представить как

[0174] В общем случае азимутальный угол половинного вектора не равен 0; то есть, φh ≠ 0. Для преобразования из параметрических координат в направления внутрь/наружу необходим дополнительный поворот обоих векторов i и o вокруг z посредством 3D вращения:

[0175] Для преобразования в параметрические координаты из общих направлений внутрь/наружу сначала можно определить:

(55)

а затем повернуть эти направления внутрь/наружу, используя обращенную матрицу матрицы RT(φh). Это может обеспечить расположение половинного вектора в zx плоскости, и возможность применить предыдущие формулы из уравнения (53).

V. Вывод формул параметрического взвешивания для изотропной BRDF

[0176] Как было установлено выше, параметризацию изотропной BRDF можно выполнить на основе трех углов θhd и φd, которые определяют направления внутрь (свет) и наружу (наблюдение) посредством

[0177] Пусть T(θhdd) обозначает вышеприведенное преобразование, которое выходит из параметрического пространства (θhdd -входное 3D пространство) в выходное пространство (i,o - выходное 6D пространство). Тогда форму объема, , полученную в результате вышеупомянутой параметризации, можно определить как:

где ∂T - якобиан (6×3) T преобразования. Произведение g=∂TT∂T - это (3×3) метрический тензор преобразования, а квадратный корень его детерминанты масштабирует форму объема после координатного преобразования.

[0178] Взятие производных и вычисление дает:

и тогда

[0179] Заметим, что это не зависит от θh.

[0180] Если параметризация выполняется на основе , а не на основе самого θh, то тогда

[0181] В центре каждой корзины параметризации можно вычислить дифференциальный объем или для повышения точности можно выполнить усреднение по всей корзине посредством численного интегрирования.

[0182] Кроме того, значимость отсчета BRDF также можно умножить на

поскольку мощность света, отраженного в сторону наблюдателя на единицу площади поверхности зависит от этих факторов.

VI. Аспекты некоторых вариантов осуществления

[0183] Обсуждаемые здесь отличительные признаки обеспечены в виде примерных вариантов осуществления, которые можно реализовать различными путями, очевидными специалистам в области обработки данных, не выходя за рамки существа настоящего обсуждения. Указанные отличительные признаки следует трактовать исключительно как отличительные признаки примерных вариантов осуществления, и здесь не предполагается, что они сводятся только к указанным подробным описаниям.

[0184] Например, система включает в себя устройство, содержащее считываемое компьютером запоминающую среду, где хранится исполняемый код, причем этот исполняемый код включает в себя администратор представления отражательной способности, содержащий модуль сбора данных, который получает множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала. Генератор представления создает непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели, используя полученные точки выборочных данных.

[0185] Генератор представления создает непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели, используя полученные точки выборочных данных.

[0186] Получение множества точек измеренных выборочных данных включает в себя получение множества точек измеренных выборочных данных, представляющих измерения появления яркости точек на указанной поверхности.

[0187] Получение множества точек измеренных выборочных данных включает в себя получение множества точек измеренных выборочных данных, представляющих измерения появления яркости точек на указанной поверхности на основе яркости, воспринимаемой с множества разных ракурсов и положений света.

[0188] Генератор представления создает непараметрическое компактно табулированное одномерное представление, используя метрику согласования, которую вычисляют с использованием взвешивания суммы квадратов, где взвешивание включает в себя не являющуюся константой функцию измеряемых величин из полученного множества точек измеренных выборочных данных.

[0189] Метрику согласования минимизируют, используя численный метод альтернирующих взвешенных наименьших квадратов (AWLS).

[0190] Генератор представления создает непараметрическое компактно табулированное одномерное представление, используя три одномерных функции, являющиеся факторами в микрофасеточной модели, с использованием полученных точек выборочных данных.

[0191] Указанные факторы включают в себя фактор (F) Френеля, который представляет зависимость отражательной способности от угла θd раствора, функцию (D) нормального распределения, являющуюся функцией распределения вероятности, которая представляет вероятность того, что нормаль к микрофасете составляет угол θh с нормалью к поверхности в макромасштабе, и геометрический фактор (G), который представляет микрогеометрическое затенение и взаимное отражение света на самой микрогеометрии в функции одного или нескольких отклонений от направления света или отклонений от направления наблюдения.

[0192] Генератор представления создает непараметрическое компактно табулированное одномерное представление путем применения микрофасеточной модели независимо для каждого цветового канала спектра измерений.

[0193] Генератор представления создает непараметрическое компактно табулированное одномерное представление путем применения микрофасеточной модели независимо в виде трехканального измерения (красный канал, зеленый канал и синий канал) для спектра измерений RGB (красный-зеленый-синий).

[0194] Например, получают множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала. Точки измеренных выборочных данных согласовывают с моделью, применяя метрику согласования модели к полученным точкам выборочных данных, где метрику согласования модели вычисляют с использованием неотрицательной, ненулевой степени отношения первой функции ко второй функции, где первая и вторая функции определены на нормализованных значениях множества точек измеренных выборочных данных, причем первая функция определена как сжимающая функция, а вторая функция определена как не асимптотически возрастающая функция.

[0195] Полученное множество точек измеренных выборочных данных включает в себя множество точек измеренных выборочных данных, представляющих отражательную способность на поверхности материала.

[0196] Метрика согласования модели, включает в себя взвешивание формы объема на основе трехугловой параметризации.

[0197] Метрика согласования модели включает в себя взвешивание по значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света.

[0198] Метрику согласования модели минимизируют с использованием численного метода альтернирующих взвешенных наименьших квадратов (AWLS).

[0199] Точки измеренных выборочных данных включают в себя измеренный отсчет точек данных с расширенным динамическим диапазоном (HDR), которые включают в себя набор точек данных, значения которых превышают заранее определенный порог.

[0200] Например, получают множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала. Эти точки измеренных выборочных данных согласовывают с моделью путем применения метрики согласования к полученным точкам выборочных данных, где метрику согласования вычисляют с использованием взвешивания суммы квадратов, где взвешивание суммы квадратов включает в себя не являющуюся постоянной функцию значений измерений полученного множества точек измеренных выборочных данных.

[0201] Взвешивание суммы квадратов включает в себя квадратичные отклонения предсказаний модели от действительных измеренных значений.

[0202] Получение множества точек измеренных выборочных данных включает в себя получение множества точек измеренных выборочных данных, представляющих измерения появления яркости точек на указанной поверхности.

[0203] Метрику согласования вычисляют с использованием множества субвесов, где субвеса включают в себя взвешивание формы объема на основе трехугловой параметризации.

[0204] Метрику согласования вычисляют с использованием множества субвесов, где субвеса включают в себя взвешивание по значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света.

[0205] Создают непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели, используя полученные точки выборочных данных.

[0206] Специалистам в области обработки данных очевидно, что имеется множество путей определения представлений отражательной способности в рамках существа данного обсуждения.

[0207] В течение многих лет обсуждается проблема защиты частной информации и конфиденциальности пользователей в средах обработки данных Так, в примерных методах определения представлений отражательной способности может использоваться пользовательский ввод и/или данные, предоставляемые пользователями, которые имеют на это разрешение согласно одному или нескольким соглашениям о подписке (например, соглашения типа «условия обслуживания» (TOS)) с соответствующими приложениями или сервисами, связанными с указанными методами. Например, пользователи могут обеспечить разрешение на ввод/данные, передаваемые и запомненные в устройствах, хотя может быть указано в явном виде (например, посредством принятого соглашения), что каждая сторона может контролировать операции передачи и запоминания данных, и устанавливать поддерживаемый уровень или длительность хранения, если оно имеет место. Кроме того, идентификаторы, которые могут использоваться для идентификации используемых пользователем устройств, могут быть усложнены, например, путем хеширования реальной пользовательской информации. Следует понимать, что любой пользовательский ввод/пользовательские данные можно получить в соответствии с законами и правилами конфиденциальности любой подходящей юрисдикции.

[0208] Реализации описанных здесь различных методов могут быть выполнены в виде цифровых электронных схем или в компьютерном аппаратном обеспечении, программно-аппаратном обеспечении, программном обеспечении или в их комбинациях (например, устройство, сконфигурированное для исполнения команд с целью реализации различных функциональных возможностей).

[0209] Реализации могут быть воплощены в виде компьютерной программы, воплощенной в сигналах (например, чистый сигнал, такой как чистый распространяющийся сигнал). Указанные реализации определены здесь как реализованные через «считываемую компьютером среду передачи», которая не квалифицируется здесь как «считываемая компьютером запоминающая среда» или «считываемое компьютером запоминающее устройство», как обсуждается ниже.

[0210] В качестве альтернативы, реализации могут быть осуществлены посредством используемого машиной или считываемого машиной запоминающего устройства (например, магнитный или цифровой носитель, такой как запоминающее устройство универсальной последовательной шины (USB), лента, накопитель на жестком диске, компакт-диск (CD), цифровой видеодиск (DVD) и т.д.), где хранятся исполняемые команды (например, компьютерная программа), для исполнения вычислительным устройством или для управления работой вычислительного устройства (например, устройство обработки данных), например, программируемого процессора, специализированного процессора или устройства, компьютера или множества компьютеров. Указанные реализации могут быть определены здесь как реализованные через «считываемую компьютером запоминающую среду», или «считываемое компьютером» запоминающее устройство», что отличает их от реализаций, представляющих собой только сигналы, такие как чистые распространяющиеся сигналы (и которые не квалифицированы здесь как «считываема компьютером среда передачи», обсужденная выше). Таким образом, используемая здесь ссылка на «считываемую компьютером запоминающую среду» или на «считываемое компьютером запоминающее устройство», в частности исключает сигналы (например, распространяющиеся сигналы) как таковые.

[0211] Компьютерная программа, такая как вышеописанная компьютерная программа (программы), может быть записана на языке программирования любого вида, включая компилированные, интерпретированные или машинные языки, и может быть развернута в любой форме, включая автономную программу или модуль, компоненту, подпрограмму или другой программный блок, подходящий для использования в вычислительной среде. Эта компьютерная программа может быть физически воплощена в виде исполняемого кода (например, исполняемые команды) на запоминающем устройстве, используемом машиной или считываемом машиной (например, считываемая компьютером среда). Компьютерная программа, способная реализовать обсужденные выше методы, может быть развернута для исполнения на одном компьютере или множестве компьютеров на одном сайте или распределена по множеству сайтов, которые соединены между собой сетью связи.

[0212] Этапы способов могут выполняться одним или несколькими программируемыми процессорами, исполняющими компьютерную программу для выполнения функций, путем обработки входных данных и создания выходных данных. Указанные один или несколько программируемых процессоров могут исполнять команды параллельно и/или могут быть скомпонованы в распределенной конфигурации для распределенной обработки. Обсуждаемые здесь примерные функциональные возможности также могут быть реализованы по меньшей мере частично в виде одной или нескольких аппаратных логических компонент. Например, но не как ограничение, примеры аппаратных логических компонент, которые можно использовать, могут включать в себя вентильные матрицы, программируемые пользователем (FPGA), программно- специализированные интегральные схемы (ASIC), программно- специализированные стандартные продукты (ASSP), системы на одном кристалле (SOC), сложные программируемые логические интегральные схемы (CPLD) и т.д.

[0213] Процессоры, подходящие для исполнения компьютерной программы, включают в себя, например, микропроцессоры общего назначения и специализированные микропроцессоры, а также любой один или несколько процессоров цифрового компьютера любого вида. Обычно процессор получает команды и данные из памяти только для считывания или из памяти с произвольной выборкой, либо из них обеих. Элементы компьютера могут включать в себя по меньшей мере один процессор для исполнения команд и одно или несколько запоминающих устройств для хранения команд и данных. Обычно компьютер также может включать в себя, или оперативно подключаться для приема данных от или пересылки данных на (либо для того и другого) одно или несколько запоминающих устройств большой емкости для хранения данных, например, магнитные, магнитооптические диски или оптические диски. Информационные носители, подходящие для воплощения компьютерных программных команд и данных, включают в себя все виды энергонезависимой памяти, включая, например, полупроводниковые устройства, например, EPROM, EEPROM и устройства флэш-памяти; магнитные диски, например, внутренние жесткие диски или съемные диски; магнитооптические диски и диски CD-ROM и DVD-ROM. Процессор и память могут быть дополнены специализированными логическими схемами или включены в них.

[0214] Для обеспечения взаимодействия с пользователем реализации могут быть воплощены на компьютере, содержащем дисплейное устройство, например, электронно-лучевую трубку (CRT), жидкокристаллический дисплей (LCD) или плазменный монитор, для отображения информации пользователю и клавиатуру и указательное устройство, например, мышь или шаровой манипулятор, с помощь которого пользователь может обеспечить ввод в компьютер. Для обеспечения взаимодействия с пользователем могут быть использованы устройства иного рода; например, обратная связь, обеспеченная для пользователя может представлять собой сенсорную обратную связь любого вида, например, визуальная обратная связь, акустическая обратная связь или тактильная обратная связь. Например, вывод можно обеспечить через сенсорный вывод любого вида, в том числе (но не только) визуальный вывод (например, визуальные жесты, вывод видео), вывод аудио (например, голос, звуки, генерируемые устройствами), тактильный вывод (например, касание, перемещение устройства), температура, запах и т.д.

[0215] Кроме того, ввод от пользователя может приниматься в любой форме, в том числе акустический, речевой или тактильный ввод. Например, ввод от пользователя может восприниматься посредством сенсорного ввода любого вида, в том числе (но не только) визуальный ввод (например, жесты, ввод видео), ввода аудио (например, голос, звуки, генерируемые устройствами), тактильный ввод (например, касание, перемещение устройства), температура, запах и т.д.

[0216] Кроме того, для взаимодействия с пользователем может быть использован естественный пользовательский интерфейс (NUI). В этом контексте (NUI) может относиться к любой технологии интерфейса, которая позволяет пользователю взаимодействовать с устройством «естественным» образом, без искусственных ограничений, накладываемых устройствами ввода, такими как мышь, клавиатуры, пульты дистанционного управления и т.п.

[0217] Примеры технологий NUI могут включать в себя технологии, основанные на распознавании речи, распознавании касаний и действий пером, распознавании жестов как на экране, так и рядом с ним, воздушные жесты, на слежении за движением головы и глаз, голосе и речи, зрении, касании, жестах и машинном интеллекте. Примерные NUI технологии могут включать в себя, но не только, сенсорные дисплеи, распознавание голоса и речи, понимания намерения и цели, обнаружение жеста движения с использованием камер глубины (например, системы стереоскопических камер, системы инфракрасных камер, системы RGB (красный, зеленый, синий) камер и их комбинации), обнаружения жестов движения с использованием акселерометров/гироскопов, распознавания лиц, 3D дисплеев, слежения за движениями головы, глаз и взгляда, системы искусственной и виртуальной реальности, которые вместе могут обеспечить более естественный интерфейс, а также технологии для измерения активности мозга с использованием электродов, измеряющих электрические поля (например, методы электроэнцефалографии (EEG) и родственные методы).

[0218] Реализации могут быть воплощены в вычислительной системе, которая включает в себя серверную компоненту, например, сервер данных или, которая включает в себя промежуточную компоненту, например, сервер приложений, или которая включает в себя внешнюю компоненту, например, клиентский компьютер, имеющий графический пользовательский интерфейс или веб-браузер, через который пользователь может взаимодействовать с реализацией или любой комбинацией из указанных серверных, промежуточных или внешних компонент. Компоненты могут быть соединены между собой средствами цифровой связи любого вида, например, коммуникационной сетью. Примеры коммуникационных сетей включают в себя локальную сеть (LAN) и глобальную сеть (VAN), например, Интернет.

[0219] Хотя предмет изобретения был описан на языке, характерном для структурных признаков и/или методологических действий, следует понимать, что предмет изобретения, определенный в прилагаемой формуле изобретения, нет необходимости сводить к конкретным признакам или действиям, описанным выше. Скорее наоборот, вышеописанные конкретные признаки и действия раскрыты в качестве примерных форм реализации формулы изобретения. Хотя конкретные признаки описанных реализаций были показаны в том виде, как здесь описано, специалистам в данной области техники теперь очевидны множество их модификаций, замен, изменений и эквивалентов. Таким образом, следует понимать, что прилагаемая формула изобретения (как здесь предполагается) покрывает все указанные модификации и изменения, не выходящие за рамки объема указанных вариантов осуществления.

1. Реализуемый компьютером способ согласования модели отражательной способности с данными с расширенным динамическим диапазоном из множества точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала, содержащий:

обращение к множеству точек измеренных выборочных данных, причем множество точек измеренных выборочных данных представляет измерения появления яркости точек на указанной поверхности;

преобразование точек измеренных выборочных данных, к которым выполнено обращение, путем согласования множества точек измеренных выборочных данных с моделью путем применения метрики согласования модели к полученным точкам выборочных данных и минимизации метрики согласования модели, причем метрика согласования модели содержит сжимающее взвешивание, снижающее значимость ошибки в областях пиков яркости для лучшего согласования более темных и более широких областей в точках измеренных выборочных данных, причем сжимающее взвешивание представляет собой не отрицательную ненулевую степень отношения первой функции и второй функции, причем указанные первую и вторую функции определяют на нормализованных значениях множества точек измеренных выборочных данных, при этом первую функцию определяют как сжимающую функцию, а вторую функцию определяют как не асимптотически возрастающую функцию, причем указанную степень применяют как к первой функции, так и ко второй функции в указанном отношении для увеличения взвешивания темных областей по отношению к ярким областям в точках измеренных выборочных данных при установке указанной степени на более высокое значение.

2. Способ по п.1, в котором:

метрика согласования модели дополнительно включает в себя взвешивание формы объема на основе трехугловой параметризации.

3. Способ по п.1, в котором:

метрика согласования модели дополнительно включает в себя взвешивание по значимости функции двунаправленного распределения отражательной способности (BRDF) на основе BRDF в интеграле локального затенения по направлениям падающего света.

4. Способ по п.1, в котором

метрику согласования модели минимизируют, используя численный метод альтернирующих взвешенных наименьших квадратов (AWLS).

5. Способ по п.1, в котором:

точки измеренных выборочных данных включают в себя измеренный отсчет точек данных с расширенным динамическим диапазоном (HDR), которые включают в себя набор точек данных, имеющих значения, превышающие заранее установленный порог.

6. Способ по п.1, в котором:

степень отношения первой и второй функций устанавливают равной значению из численного диапазона [1, 2].

7. Способ по п.1, в котором:

модель отражательной способности является непараметрической микрофасеточной факторной моделью.

8. Считываемая компьютером запоминающая среда, где хранится исполняемый код, который инициирует выполнение способа по любому из пп.1-7 по меньшей мере одним процессором вычислительной системы для представления отражательной способности.



 

Похожие патенты:

Изобретение относится к области вычислительной техники. Технический результат – обеспечение эффективного выбора подходящего устройства интерфейса пациента для пациента за счет 3D моделируемой визуализации устройства интерфейса пациента в соответствии с лицом пациента.

Изобретение относится к области вычислительной техники для отображения на автостереоскопическом мониторе. Технический результат заключается в точности стереоскопического отображения на автостереоскопическом мониторе.

Изобретение относится к компьютерным системам, а именно к системам виртуальной реальности, и предназначено, в частности, для создания игровых симуляторов. Технический результат заключается в упрощении калибровки системы при упрощении конструкции без потери точности распознавания.

Изобретение относится к области вычислительной техники. Технический результат заключается в расширении арсенала средств визуализации трехмерного массива.

Изобретение относится к области стереоскопических видеосистем. Технический результат – обеспечение параллельного получения стереоизображений двух разных 3D сцен для двух наблюдателей без мерцаний с использованием одного и того же экрана.

Изобретение относится к области обработки изображения. Технический результат – обеспечение визуализации внутренней структуры исследуемого объекта в реальном времени.

Настоящее изобретение относится к области компьютерной графики. Технический результат – повышение производительности процесса отрисовки трехмерной сцены.

Изобретение относится к области обработки изображений. Технический результат – обеспечение защиты данных 3D изображения за счет преобразования данных 3D изображения в частично рандомизированный массив.

Изобретение относится к средствам визуализации изображения по данным (6) трехмерного лазерного сканирования. Технический результат заключается в повышении точности визуализации.

Изобретение относится к блоку визуального отображения, создающему трехмерное объемное пространство. Технический результат заключается в повышении освещенности дисплеев, не ухудшая контрастность.

Изобретение относится к области конфигурирования осветительного прибора в виртуальной среде. Технический результат – обеспечение эффективного нахождения производимого осветительного прибора, обеспечивающего требуемый эффект освещения.

Изобретение относится к средствам проецирования двухмерного изображения в трехмерном пространстве. Техническим результатом является повышение качества визуализации двухмерного изображения при повторном проецировании.

Изобретение относится к созданию компьютерной графики. .

Изобретение относится к области телевидения для формирования сигналов изобраяения для телевизионных систем и может быть использовано в телевизионных игровых автоматах и тренажерах.

Группа изобретений относится к инструменту валидации системы мониторинга агрегата авиационного двигателя, системе мониторинга и способу валидации системы мониторинга.

Изобретение относится к области вычислительной техники. Технический результат – обеспечение эффективного выбора подходящего устройства интерфейса пациента для пациента за счет 3D моделируемой визуализации устройства интерфейса пациента в соответствии с лицом пациента.

Изобретение относится к медицинской технике, а именно к стоматологии, и может быть использовано для изготовления съемных кап, используемых для лечения. Способ изготовления капы на нижнюю челюсть включает компьютерное моделирование, в процессе которого получают трехмерное цифровое изображение верхней и нижней челюстей пациента в позиции, соответствующей требуемому окклюзионному соотношению, на основании которого моделируют цифровую модель капы на нижнюю челюсть, определяют оси размещения капы на зубах пациента, которые определяют путь введения капы на зубы пациента и путь снятия с зубов, изготавливают капу по готовой цифровой модели, при этом внутреннюю поверхность цифровой модели капы, прилегающую к поверхности зубов и к мягким тканям нижней челюсти, моделируют конгруэнтной относительно указанных поверхностей, цифровую модель нижней челюсти делят срединной сагиттальной плоскостью на правую и левую части, затем в правой и левой частях полученной цифровой модели нижней челюсти проводят множество прямых линий, параллельных фронтальной плоскости, касательных к наиболее выступающей язычной поверхности каждого зуба и пересекающих линию десны, затем в правой и левой частях цифровой модели нижней челюсти из полученного множества касательных выбирают единственную прямую линию с наибольшим углом наклона к срединной сагиттальной плоскости, которую принимают соответственно за правую и левую оси размещения капы на зубы нижней челюсти, после чего в правой и левой частях цифровой модели нижней челюсти изображают межевые линии на поверхностях зубов относительно правой и левой осей размещения капы, соответственно, после чего внутреннюю поверхность правой и левой частей капы ограничивают цилиндрическими поверхностями, в которых образующая параллельна соответственно правой и левой осям размещения, а направляющая совпадает с соответствующей межевой линией, затем внутреннюю поверхность капы, прилегающую к поверхности зубов и к мягким тканям нижней челюсти, моделируют эквидистантной относительно указанных поверхностей и получают готовую цифровую модель капы, по которой изготавливают капу на нижнюю челюсть в виде правой и левой частей, которые сжимают навстречу друг другу без остаточной деформации.

Изобретение относится к способу верификации модели скважины, который содержит этапы: получение сохраненных скважинных данных существующей скважины, формирование модели на основе полученных скважинных данных, погружение инструмента для выполнения рабочей задачи в существующую скважину, причем инструмент выполнен с возможностью измерять текущие характеристики скважины при погружении, получение от инструмента данных инструмента, соответствующих измеренным в текущее время характеристикам скважины, при этом указанные данные инструмента представляют свойства скважины, имеющие отношение к эксплуатации скважины и производительности инструмента, и выполнение проверки подтверждения путем сравнения скважинных данных модели с данными инструмента.

Изобретение относится к области электроэнергетики. Способ цифрового управления процессом мониторинга, технического обслуживания и ремонта воздушных линий электропередачи включает в себя сбор информации о параметрах ВЛ при помощи датчиков и роботизированных устройств, трёхмерное представление ВЛ, хранение информации о состоянии элементов ВЛ в пополняемой информационной системе в виде цифровой модели ВЛ, состоящей из трехмерных моделей элементов ВЛ и отражающей текущее состояние элементов ВЛ с отображением имеющихся дефектов, а также прогнозируемого времени возникновения возможных дефектов.

Изобретение относится к способам проектирования летательных аппаратов. Способ определения аэродинамического облика летательного аппарата с воздушно-реактивным двигателем состоит в том, что определяют базовый аэродинамический облик летательного аппарата, на основе базового аэродинамического облика летательного аппарата создают варианты аэродинамического облика, производят расчет аэродинамических характеристик для каждого из N вариантов аэродинамического облика, определяют интегральный критерий оптимизации для каждого варианта аэродинамического облика, выбирают вариант аэродинамического облика, для которого КO имеет максимальное значение; при этом GB - оптимальный расход воздуха, Cxopt - оптимальный коэффициент сопротивления.

Изобретение относится к области технического исследования надежности механической конструкции и может быть использовано в горном деле для оценки работоспособности шахтного подъемного оборудования.

Изобретение относится к области обработки данных и позволяет моделировать реальную отражательную способность с поверхности, обеспечивает быструю сходимость, устойчивость к случайной инициализации и полную автоматизацию, без необходимости подстройки параметров материала. Реализуемый компьютером способ согласования модели отражательной способности с данными с расширенным динамическим диапазоном из множества точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала, содержит этапы: получают множество точек измеренных выборочных данных, связанных с отражательной способностью на поверхности материала, преобразуют полученные точки выборочных данных, создают непараметрическое компактно табулированное одномерное представление для множества факторов в микрофасеточной модели. 2 н. и 6 з.п. ф-лы, 12 ил.

Наверх