版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、真實(shí)感繪制技術(shù)被廣泛運(yùn)用于各個(gè)領(lǐng)域,如影視特技、廣告動(dòng)畫、建筑CAD等,而采樣又是真實(shí)感繪制中很重要的一部分。采樣也分為很多方法,本文研究基于雙向反射分布函數(shù)(BRDF)的重要度采樣問題。
現(xiàn)在假設(shè)有數(shù)種不同的材質(zhì)。如果對(duì)這些材質(zhì)進(jìn)行一一采樣,那么當(dāng)材質(zhì)的數(shù)目達(dá)到一定規(guī)模的時(shí)候,整體計(jì)算時(shí)間也會(huì)變得相當(dāng)長。為了解決這個(gè)問題,本文提出了一種基于聚類的多材質(zhì)采樣算法,算法的基本步驟為:
1.將所有的材質(zhì)聚類。
2、2.對(duì)于得到的每一簇,計(jì)算其基向量。
3.每個(gè)材質(zhì)計(jì)算它們到各個(gè)基向量之間的距離,并將其劃分到距離最近的基向量所在的簇。
4.重復(fù)步驟2和3,直到分簇不再變化為止。
5.對(duì)基向量進(jìn)行采樣,并將生成的采樣用于簇內(nèi)所有材質(zhì)的繪制。
該算法的優(yōu)點(diǎn)為:
1.適用于任意BRDF類型,包括解析和測(cè)量BRDF模型。
2.可以讓不同材質(zhì)分享相同的采樣,減少采樣的生成數(shù)量。
3.對(duì)于光
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 異步采樣數(shù)據(jù)的模糊聚類算法.pdf
- 基于多密度的聚類算法研究.pdf
- 基于采樣算法和自動(dòng)聚類算法的網(wǎng)絡(luò)流量監(jiān)測(cè)模型.pdf
- 基于多視角社區(qū)發(fā)現(xiàn)的實(shí)體聚類算法.pdf
- 基于聚類算法的多周期虛擬單元布局研究.pdf
- 多視角判別聚類算法的研究.pdf
- 基于層次聚類的模糊聚類算法的研究.pdf
- 基于聚類樹的多類標(biāo)文本分類算法研究.pdf
- 基于力學(xué)的聚類算法.pdf
- 基于譜聚類的文本聚類算法研究.pdf
- 基于多特征融合的屬性圖聚類算法研究.pdf
- 基于多變量信息瓶頸的多特征聚類算法.pdf
- 基于多視角聚類的離群檢測(cè)算法研究.pdf
- 基于多特征的相片聚類算法研究與實(shí)現(xiàn).pdf
- 基于加權(quán)向量提升的多尺度聚類挖掘算法.pdf
- 基于單元格的多密度GMDBSCAN聚類算法.pdf
- 基于微粒群算法的聚類算法.pdf
- 基于最大最小距離法的多中心聚類算法研究.pdf
- 鞋印圖像多標(biāo)簽聚類算法研究.pdf
- 基于最優(yōu)劃分的多密度梯度網(wǎng)格聚類算法.pdf
評(píng)論
0/150
提交評(píng)論