MétaCan
Menu
Retour à la cohorte
Enregistrement W4401249246 · doi:10.1364/josaa.530840

Data-driven correction for the masking model of Smith

2024· article· en· W4401249246 sur OpenAlexafffund
Elsa Tamisier, Mickaël Ribardière, Daniel Méneveaux, Sébastien Horna, Pierre Poulin

Notice bibliographique

RevueJournal of the Optical Society of America A · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputer Graphics and Visualization Techniques
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMasking (illustration)Computer scienceArtLiterature

Résumé

récupéré en direct d'OpenAlex

To render realistic material appearances, physically based models often rely on the microfacet theory. These models require several parameters that drive the distribution of microfacet orientations, their reflectance, and a geometric attenuation factor. The latter accounts for self-masking and self-shadowing; it must be managed carefully when physical plausibility is required. The masking term proposed by Smith [IEEE Trans. Antennas Propag.15, 668 (1967)IETPAK0018-926X10.1109/TAP.1967.1138991] is widely used for its accuracy when employed with theoretical distributions. However, it does not ensure exactness when compared with the masking of measured microsurfaces. We have conducted an in-depth study of the error associated with isotropic roughnesses, based on a ray-casting measurement with mesh-based surfaces. This article proposes a correction function that can be added to the theoretical masking term at a very low computation cost while bringing the masking closer to the ground truth. Our correction term is built from a linear combination of two Johnson SB distributions, parameterized according to statistical features of the microsurface. We show that the resulting masking term always reduces the error when compared to the original Smith term alone. This improvement is illustrated in the whole bidirectional reflectance functions with rendered images.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,922
Score d'incertitude au seuil0,229

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,048
Tête enseignante GPT0,326
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Optical Society of America AMême sujetComputer Graphics and Visualization TechniquesTravaux en français237 207