ترجمه مقاله حل مشکل بدنمایی سایه با نمونه برداری کلان سایه افکن گزینشی - نشریه الزویر

ترجمه مقاله حل مشکل بدنمایی سایه با نمونه برداری کلان سایه افکن گزینشی - نشریه الزویر
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
حل مشکل بدنمایی سایه با نمونه برداری کلان سایه افکن گزینشی
عنوان انگلیسی
Solving aliasing from shading with selective shader supersampling
صفحات مقاله فارسی
19
صفحات مقاله انگلیسی
8
سال انتشار
2013
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
8378
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی نرم افزار
مجله
کامپیوترها و گرافیک ها - Computers & Graphics
دانشگاه
گروه گرافیک کامپیوتری، دانشگاه ارلانگن-نورنبرگ، آلمان
کلمات کلیدی
خوش نماسازی، لیست پیوندی هر پیکسل، نمونه برداری، GPU (واحد پردازش گرافیکی)
فهرست مطالب
چکیده
1. مقدمه
2. پژوهش پیشین
3. تحلیل مشکل
3.1 اندازه مثلث
3.2 تغییرات عمود
3.3 استفاده از روش های شناخته شده
4. نمونه برداری کلان اتخاذ شده
4.1 سایه رنگ زن هندسی SSS
4.2 سایه رنگ زن محاسباتی SSS
4.3 لیست پیوندی هر راس SSS
4.3.1 ایجاد لیست های پیوندی هر پیکسل
4.3.2 تجزیه کردن
4.4 قابلیت رویت
5. نتایج و بحث
6. نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

Existing GPU antialiasing techniques, such as MSAA or MLAA, focus on reducing aliasing artifacts along silhouette boundaries or edges in image space. However, they neglect aliasing from shading in case of high-frequency geometric detail. This may lead to a shading aliasing artifact that resembles Bailey's Bead Phenomenon—the degradation of continuous specular highlights to a string of pearls. These types of artifacts are particularly striking for high-quality surfaces. So far, the only way of removing aliasing from shading is by globally supersampling the entire image with a large number of samples. However, globally supersampling the image is slow and significantly increases bandwidth consumption. We propose three adaptive approaches that locally supersample triangles only where necessary on the GPU. Thereby, we efficiently remove artifacts from shading while aliasing along silhouettes is reduced by efficient hardware MSAA.

نمونه چکیده ترجمه متن فارسی
چکیده
شیوه های موجود خوشنماسازی GPU از جمله MSAA و یا MLAA روی کاهش بدنمایی مصنوعی در امتداد مرزهای تصویر سیه نما یا لبه های فضای تصویر تمرکز دارد. با این وجود این روش ها بدنمایی سایه زنی جزئیات هندسی پر بسامد را نادیده گرفته اند. این امر منجر به بدنمایی سایه زنی مصنوعی می شود که به پدیده Bailey Bead یعنی کیفیت پایین تصویر درخشندگی مداوم سپکولوم یک رشته مروارید شباهت دارد. چنین مصنوعاتی مخصوصا به دلیل سطوح با کیفیتشان قابل توجه است. تاکنون، تنها راه از بین بردن بدنمایی حاصل از سایه زنی از طریق نمونه برداری کلان سراسری کل تصویر و بوسیله تعداد زیادی از نمونه ها انجام می شود. با این وجود نمونه برداری کلان سراسری تصویر بسیار کند انجام می گیرد و مصرف پهنای باند را به طور قابل توجهی افزایش می دهد. ما در اینجا سه رویکرد قابل تطبیقی را ارائه می کنیم که به طور محلی فقط از مثلث مربوطه در GPU نمونه برداری کلان می کند. بدین طریق هنگامی که بدنمایی تصویر سایه نما بوسیله سخت افزار کارآمدMSAA کاهش یافت، حالت مصنوعی سایه زنی هم به طور موثری از بین می رود.

بدون دیدگاه