39,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

L'illuminazione globale in tempo reale di scene naturali come una foresta è uno dei problemi più complessi da risolvere a causa delle molteplici inter-riflessioni tra la luce e la materia degli oggetti che compongono la scena; il problema principale che si presenta è quello del calcolo della visibilità, infatti il calcolo della visibilità viene eseguito per tutte le foglie visibili da un dato punto. Dato l'enorme numero di foglie presenti in un albero, questo calcolo viene eseguito per ogni foglia dell'albero, riducendo così le prestazioni.In questa tesi descriviamo un nuovo approccio per…mehr

Produktbeschreibung
L'illuminazione globale in tempo reale di scene naturali come una foresta è uno dei problemi più complessi da risolvere a causa delle molteplici inter-riflessioni tra la luce e la materia degli oggetti che compongono la scena; il problema principale che si presenta è quello del calcolo della visibilità, infatti il calcolo della visibilità viene eseguito per tutte le foglie visibili da un dato punto. Dato l'enorme numero di foglie presenti in un albero, questo calcolo viene eseguito per ogni foglia dell'albero, riducendo così le prestazioni.In questa tesi descriviamo un nuovo approccio per approssimare le query di visibilità che procede in due fasi: la prima fase consiste nel generare una nuvola di punti che rappresenti le foglie, assumendo che la nuvola di punti sia composta da due classi (visibile, non visibile) separabili in modo non lineare; la seconda fase consiste nell'eseguire una classificazione della nuvola di punti applicando la funzione kernel gaussiana a base radiale che misura la somiglianza in termini di distanza tra ogni foglia e una foglia kernel.
Autorenporträt
Fayçal Abbas obteve seu PhD em ciência da computação nas áreas de síntese de imagens e vida artificial na Universidade de Biskra Argélia em 2018. Atualmente é professor no Departamento de Ciência da Computação na Universidade de Khenchela Argélia. Seus interesses de pesquisa são renderização realista e aprendizado profundo.