TUGAS REVIEW JURNAL

Pada tugas ini kta akan meriview jurnal tentang grafika komputer yang merupakan tugas UTS pada mata kuliah grafika komputer. adapun hasil review jurnal yang saya gunakan adalah sebagai berikut :

REVIEW JURNAL GRAFIKA KOMPUTER

AMALIA EKA ASTUTIK(10650013)

Interpolasi kolom Cahaya dengan Aplikasi Grafika Komputer.

Kata kunci

Kami menyajikan struktur data, yang disebut pohon  sinar interpolasi, atau RI tree, yang menyimpan ciri-ciri set garis ditunjukan  dalam 3-ruang, masing-masing. digambarkan sebagai sebuah titik dalam 4-ruang. Setiap baris langsung dikaitkan dengan beberapa sejumlah kecil sifat geometris terus menerus. Kita menunjukkan bagaimana struktur data ini dapat digunakan untuk menjawab interpolasi query, di mana kita diberi sinar acak  dalam 3-ruang dan ingin melakukan interpolasi atribut sinar sekitarnya dalam  struktur data. Kami menggambarkan nilai praktis dari RI tree dalam dua aplikasi dari grafika computer : penyirihan sinar dan volum visual. Secara khusus, objek  didefinisikan oleh permukaan kurva halus , RI-tree dapat menghasilkan kualitas tinggi pengkalimatannya signifikan lebih cepat dari metode standar. Kami juga menyelidiki nomor dari timbal balik antara ruang dan waktu yang digunakan oleh struktur data dan keakuratan hasil interpolasi.

1.                Pendahuluan
Ada perkembangan yang meningkat dalam algoritma dan struktur data yang menggabungkan elemen dari desain algoritma diskrit dengan  matematika lanjut . Hal ini terutama berlaku pada grafika komputer. Contohnya sebuah proses  yang menghasilkan gambar fotorealistik dengan  Metode yang paling populer untuk melakukannya  adalah penulusuran. sinar penelusuran model cahaya yang dipancarkan dari sumber cahaya sebagai perjalanan sepanjang sinar dalam 3-ruang.  warna dari pixel dalam gambar adalah pembangunan kembali intensitas cahaya yang dilakukan bersama sinar beragam yang dipancarkan dari sumber cahaya, kemudian dikirim dan tercermin  antara benda-benda di tempat kejadian, dan akhirnya yang masuk ke mata pembaca.

Ada banyak metode yang berbeda untuk pemetaan pendekatan ke dalam algoritma. Pada tingkat abstrak, semua penulusuran sinar-acak melibatkan pembentukan sebuah gambar dengan menggabungkan beragam  jumlah, atau atribut, yang telah dihasilkan dari diskrit
yang diatur sinar sampel. Atribut ini termasuk warna, cahaya, permukaan garis normal oleh refleksi dan pembiasan vektor. Atribut ini berubah secara terus-menerus baik sebagai fungsi dari lokasi pada permukaan suatu benda atau sebagai sinar sekitarnya. Struktur data yang dihasilkan disebut RI-Tree atau pohon penulusuran sinar interpolasi.

1.1        ide hubungan kerja menghubungkan informasi cahaya dengan titik dalam ruang garis memiliki sejarah yang cukup besar, bekerja di tahun 1930-an oleh Gershun pada radiasi vektor bidang  dan Bulan dan konsep Spencer dari yang berhubung dengan cahaya bidang. makalah  yang  baru oleh Levoy dan Hanrahan dan Gortler, Grzeszczuk, Szeliski, dan Cohen .  Istilah "bidang cahaya" dalam judul kita diciptakan oleh Levoy dan Hanrahan, tetapi gagasan kita adalah lebih umum daripada kita mempertimbangkan interpolasi dari setiap informasi terus menerus, tidak hanya cahaya. Kebanyakan metode untuk menyimpan informasi bidang cahaya di komputer grafis didasarkan pada diskretisasi ruang ke dalam grid seragam. Sebaliknya, sampel sinar adaptif, berkonsentrasi lebih banyak di mana sampel  mereka berada terbesar nilai. Pekerjaan yang paling dekat dengan kita adalah Interpolasi sistem pelacak diperkenalkan oleh Bala, Dorsey, dan Teller , yang menggabungkan pengambilan sampel adaptif cahaya informasi. Metode  kami generalizes mereka dengan menyimpan iklan interpolating  tidak hanya sinar informasi tetapi jenis lain dari terus menerus informasi, yang mungkin relevan untuk rendering proses. Kami juga memungkinkan benda nonconvex. Tidak seperti metode mereka, namun, kami tidak memberikan jaminan pada terburuk aproksimasi kesalahan. Selain itu, telah ada penelitian sebelumnya pada percepatan sinar tracing dengan mengurangi biaya perhitungan persimpangan menggunakan hirarki Volume berlari ,partisi ruang struktur  dan metode pemanfaatan sinar koherensi Beberapa metode ini dapat diterapkan dalam kombinasi dengan kita. Varian data dai struktur data ini akan diperkenalkan oleh penulis dalam . struktur seluruh data dibangun dengan sampel  jutaan sinar yang berasal dari seluruh ruang dari sudut pandang dalam berbagai arah. Hal ini mengakibatkan tinggi pra-pengolahan , dan tinggi ruang persyaratan. Struktur saat data, di sisi lain, secara dinamis dibangun sampel menghasilkan pada permintaan hanya bila mereka benar-benar diperlukan, dan dipelihara oleh mekanisme caching. Kedua, sistem saat ini generalizes kerangka dan dapat menangani kejadian umum yang berisi beberapa obyek dengan sifat reflektansi permukaan yang berbeda, sedangkan sistem sebelumnya terfokus pada reflektif tunggal atau transparan objek. Selain itu, analisis sistematis
kinerja dari struktur data yang disajikan dalam makalah ini.

1.2        Pendekatan Isu Desain seperangkat komputasi jarang pada sinar sampel dan interpolasi hasil pemotretan sinar paling berguna untuk rendering obyek halus yang reflektif atau transparan, untuk animasi render ketika sudut pandang yang bervariasi lancar, dan untuk menghasilkan gambar resolusi tinggi dan / atau gambar antialias dihasilkan oleh supersampling  di mana sinar ganda yang ditembak untuk setiap pixel gambar.

Bagaimana dan dimana untuk sampel sinar? Daerah ruang di mana informasi terus menerus bervariasi lebih cepat harus sampel dengan kepadatan lebih besar dari daerah yang berbeda-beda kelancarannya.

Apakah akan interpolasi? Di sekitar ketidaksinambungan sebuah, jumlah sinar yang mungkin perlu untuk menjadi sampel untuk menghasilkan hasil yang pantas mungkin tidak dapat diterima tinggi. Karena mata manusia sangat sensitif untuk diskontinuitas dekat tepi dan siluet, sering bijaksana untuk menghindari interpolasi di diskontinuitas.
Hal ini menimbulkan pertanyaan tentang bagaimana untuk mendeteksi diskontinuitas.
Ketika mereka terdeteksi, apakah masih mungkin untuk interpolasi atau sebaiknya kita menghindari interpolasi dan menggunakan standar raytracing bukan?
Berapa banyak sampel untuk mempertahankan? Bahkan untuk cukup halus adegan, jumlah sinar sampel yang akan perlu disimpan untuk rekonstruksi yang berjalan akurat
baik ke jutaan. Untuk alasan ini, kami cache hasil hanya sinar yang paling relevan. Apa saja ruang-waktu pengorbanan terlibat dengan pendekatan ini?

1.3        Tinjauan Algoritma Untuk membuat hal-hal konkret, kami akan menjelaskan struktur data dalam hal aplikasi raytracing. Seperti disebutkan dalam pendahuluan, raytracing bekerja dengan mensimulasikan propagasi cahaya dalam sebuah adegan. Sebuah sinar-pelacak tradisional tunas satu atau lebih sinar dari sudut pandang melalui setiap pixel dari gambar pesawat. Sinar ditelusuri melalui tempat kejadian dan intensitas berkumpul merupakan warna pixel tersebut. Untuk mengurangi masalahtersebut, sinar ganda juga dapat ditelusuri untuk setiap pixel dan hasil ini yang terinpolasi untuk membuat hal-hal yang konkrit. kami akan jelaskan struktur data kami dalam hal aplikasi reytreching. Seperti disebutkan dalam pendahuluan, raytracing bekerja dengan mensimulasikan propaganda cahaya dalam sebuah adegan.Sebuah sinar-pelacak tradisional tunas satu atau lebih sinar sudut pandang melalui setiap pixel dari gambar pesawat. Sinar ditelusuri melalui tempat kejadian dan intensitas berkumpul merupakan warna pixel tersebut. Untuk mengurangi masalah yang ada, sinar ganda juga dapat ditelusuri untuk setiap pixel dan hasil ini yang diinterpolasi.

 

Gambar 2: parameterisasi dua pesawat garis diarahkan dan sinar. The + X sepasang pesawat ditampilkan. Refaraksi disekitar discontiunitas bagaimanapun,sinar masukan sekitarnya dapat mengikuti jalan yang sangat berbeda. Dalam kasus di mana kita tidak dapat menemukan bukti yang cukup untuk interpolasi, kami melakukan ray-tracing gantinya.

2.             Interpolansi Ray Tree

Para Interpolansi Ray Tree Pada bagian ini kami memperkenalkan struktur data utama yang digunakan dalam algoritma kita,  interpolant RI-Tree atau sinar. Setiap RI-Tree dikaitkan dengan satu objek dari tempat kejadian, yang secara longgar didefinisikan sebagai kumpulan logis yang saling terkaitn antar  permukaan. Obyek ini tertutup oleh kotak sumbu-blok berlari. Struktur data menyimpan atribut geometris terkait dengan beberapa set sinar sampel, yang mungkin berasal dari setiap titik dalam ruang dan berpotongan objek kotak.

2.1  Sinar Parameterisasi sebagai Poin

Kami akan memodelkan  masing-masing  oleh garis berarah yang berisi sinar. Rekayasa baris dapat direpresentasikan sebagai titik berbaring dimanipulasi  4-dimensi sampai  5 dimensi ruang projective menggunakan Pl koordinat, tapi kita akan mengadopsi representasi populer sederhana, disebut parameterisasi dua pesawat [13, 16, 4]. Sebuah garis berarah yang pertama diklasifikasikan dalam 6 kelas yang berbeda (sesuai dengan 6 pasang pesawat) menurut garis yang dominan arah, didefinisikan sebagai sumbu yang sesuai dengan besar koordinat vektor arah garis dan tandanya. Kelas-kelas ini dilambangkan + X; X; + Y; Y; + Z; Z. garis berarah kemudian diwakili oleh dua penyadapan (s, t).

dan (u, v) dengan pesawat depan dan belakang pesawat, masing-masing  yang ortogonal terhadap arah dominan dan bertepatan dengan objek kotak pembatas. ditunjukkan pada sinar R dengan arah dominan + X pertama memotong bagian depan pesawat dari pasangan X pesawat + di (s; t), dan kemudian pesawat kembali di (u; v), dan karenanya sebagai parameter (s, t, u, v). Perhatikan bahwa, tombol + X dan X melibatkan pasangan bidang yang sama namun berbeda dalam perbedaan antara depan dan belakang pesawat.

2.2 RI-Tree

RI-Tree  adalah pohon biner berdasarkan rekursif subdivisi dari ruang 4-dimensi diarahkan baris. Ini terdiri dari enam terpisah 4-dimensi kd-Tree [5, 20] satu untuk setiap dari enam arah dominan. Akar dari setiap pohon kd-adalah hypercube 4-dimensi dalam ruang baris berisi semua sinar yang berkaitan dengan yang sesuai pesawat pasangan. Titik sudut 16 dari hypercube mewakili dengan 16 sinar dari setiap empat penjuru pesawat depan ke masing-masing dari empat penjuru pesawat kembali. Setiap node dalam struktur data ini dikaitkan dengan 4-dimensi hiperbujursangkar , yang disebut sel. Titik sudut 16 daun sel merupakan sampel sinar, yang membentuk dasar dari kami interpolasi. Ketika sel daun dibangun, ini 16 sinar yang ditelusuri dan atribut geometris terkait disimpan di daun.

2.3 Adaptasi Subbagian Struktur Cache RI-tree

tumbuh dan menyusut secara dinamis berdasarkan permintaan. Mulanya hanya sel akar dibangun dengan sampling 16 sudut sinar. Sebuah sel daun dibagi dengan menempatkan potongan-pesawat di titik tengah ortogonal terhadap sumbu koordinat dengan terpanjang panjang. Dalam hal pasangan pesawat, ini sesuai dengan membagi bagian depan yang sesuai atau pesawat kembali melalui titik tengah dari sisi lebih lama. Kami partisi sudut 16 yang ada sampel antara dua anak, dan sampel delapan sudut baru sinar yang dibagi antara dua sel anak. (Ini sinar baru diilustrasikan pada Gambar. 3 dalam kasus yang s-axis adalah split.) Sinar perlu sampel lebih padat di beberapa daerah dari yang lain, misalnya, di daerah di mana geometris atribut. Atribut memiliki variasi yang lebih besar. Untuk alasan ini, subdivisi dilakukan secara adaptif berdasarkan jarak antara keluaran atribut. Jarak antara dua set output atribut didefinisikan sebagai jarak antara mereka yang terkait keluaran sinar. Kami mendefinisikan jarak antara dua sinar menjadi jarak antara L2 4-dimensi mereka representasi. Untuk menentukan apakah sel harus dibagi lagi, pertama-tama kita menghitung sinar output yang benar terkait dengan titik tengah sel, dan kemudian kita menghitung sebuah perkiraan keluaran sinar oleh interpolasi dari 16 sinar sudut untuk hal yang sama titik. Jika jarak antara kedua sinar output melebihi sebuah user-defined diberikan jarak threshold dan kedalaman sel dalam pohon adalah kurang dari yang ditetapkan pengguna kendala mendalam, sel dibagi. Jika daun itu dikatakan bersifat final.

Jika kita memperluas semua node di pohon sampai mereka bersifat final, struktur data yang dihasilkan bisa sangat besar, tergantung pada ambang batas jarak dan kendala kedalaman. Untuk alasan ini kami hanya memperluas node ke daun akhir jika ini simpul daun diperlukan untuk interpolasi beberapa. Setelah daun akhir simpul yang digunakan, hal ini ditandai dengan cap waktu. Jika ukuran struktur data melebihi user-defined ukuran cache, maka yang pohon dipangkas untuk sebagian kecil konstan sebesar ini dengan menghapus semua kecuali node yang terakhir digunakan. Dengan cara ini, RI-tree berperilaku seperti cache LRU.

2.4 Rendering  dan Interpolasi Query.

 Ingat bahwa tujuan kami adalah dengan menggunakan interpolasi antara sinar keluaran sampel setiap kali hal-hal yang cukup halus. RI-Tree  dapat digunakan untuk melakukan sejumlah fungsi dalampenyumbangan , termasuk menentukan objek pertama  sinar panas, menghitung refleksi atau refraksi (exit) sinar untuk objek yang tidak sederhana, dan menjawab pertanyaan visibilitas yang bermacam-macam , yang digunakan untuk menentukan apakah suatu titik dapat dilihat oleh cahaya. sumber atau dalam bayangan. Mari kita mempertimbangkan interpolasi dari input yang diberikan sinar R. pertama kali  kamia memetakan R ke titik yang terkait dalam 4-dimensi diarahkan ruang baris dan, tergantung pada arah yang dominan dari baris ini, kita menemukan sel daun dari pohon-kd yang sesuai melalui keturunan standar. Karena node dari pohon adalah dibangun hanya jika diperlukan, adalah mungkin bahwa R akan berada di daun yang tidak ditandai sebagai akhir. Ini berarti bahwa daun tertentu belum menyelesaikan pembagian rekursif tersebut. Dalam hal ini, daun dibagi secara rekursif, sepanjang jalan R akan mengikuti, sampai kondisi penghentian puas, dan berisi R daun akhir penanda sebagai akhir. (daun lainnya  yang dihasilkan oleh proses ini tidak begitu jelas.)

Mengingat sel daun akhir yang mengandung R, output atribut untuk R sekarang dapat diinterpolasi. interpolasi hasil dalam dua langkah. Pertama kita mengelompokkan sinar dalam kelompok empat, yang kita sebut kelompok terarah. Sinar dalam kelompok yang sama berasal dari titik sudut yang sama pada bidang depan, dan melewati masing-masing dari empat penjuru pesawat kembali (Misalnya, Gbr. 4 menunjukkan sinar yang berasal dari utara.

timur sudut pesawat depan). Dalam setiap kelompok terarah interpolasi bilinear sehubungan dengan (u, v) adalah koordinat dilakukan untuk menghitung atribut keluaran menengah. Itu output dari interpolasi ini kemudian bilinearly diinterpolasi sehubungan dengan (s; t) koordinat untuk mendapatkan perkiraan keluaran atribut untuk R. Jadi, ini pada dasarnya adalah quadrilinear interpolasi.

2.5 Penanganan Cacat dan Kawasan Lengkung Tinggi.

Melalui penggunaan interpolasi, kita dapat  mengurangi jumlah sampel sinar yang seharusnya dapat diperlukan untuk membuat permukaan halus. Namun, jika sinar output yang fungsi f mengandung diskontinuitas, yang mungkin terjadi pada pinggiran dan siluet luar dari objek, maka kita akan mengamati i warna di tepi ini. ini bisa diperbaiki dengan membangun pohon yang lebih dalam, yang mungkin melibatkan sampling dari sinar hingga resolusi pixel dalam area diskontinuitas.Hal ini akan mengakibatkan persyaratan memori sangat tinggi. Sebaliknya pendekatan kami adalah untuk mendeteksi dan mengklasifikasikan area diskontinuitas . Dalam beberapa kasus kita menerapkan lebih dan bukan hanya kembali ke sinar-tracing. Kami akan menyajikan singkat gambaran tentang bagaimana diskontinuitas ditangani di sini. lebih lanjutrincian disajikan dalam.

Benda kami tetapkan sebagai koleksi halus  permukaan, disebut sebagai patch. Setiap patch diberikan sebuah  patch-identifier. Terkait dengan setiap sinar sampel, kami menyimpan  patch-identifier dari patch pertama menyentuh. Karena setiap  sinar sampel tahu yang elemen permukaan hits, itu akan  mungkin untuk melarang setiap interpolasi antara berbagai  permukaan. Hal ini sering terjadi, bagaimanapun, bahwa kelancaran besar  permukaan terdiri dari patch yang lebih kecil, yang  bergabung bersama sepanjang tepi sehingga parsial pertama dan kedua  derivatif berubah secara kontinyu di seluruh tepi. Dalam  kasus interpolasi diperbolehkan. Kami berasumsi bahwa permukaan  dari TKP telah disediakan dengan informasi ini,  dengan partisi patch ke dalam kelas kesetaraan permukaan.  Jika patch-pengidentifikasi yang terkait dengan sudut sinar 16  sampel daun akhir berada di kelas kesetaraan yang sama, kita  menyimpulkan bahwa tidak ada diskontinuitas melintasi wilayah tersebut  dikelilingi oleh 16 hit ray, dan kita menerapkan interpolasi  proses yang dijelaskan di atas.

Mengharuskan semua 16 patch muncul dari kesetaraan yang sama kelas secara signifikan dapat membatasi jumlah kasus di interpolasi yang dapat diterapkan. Setelah semua interpolasi, linier dalam 4-ruang dapat dilakukan dengan sesedikit 5 sampel poin. Jika patch-pengidentifikasi untuk 16 sampel sudut daun timbul dari lebih dari dua kelas kesetaraan, maka kita kembali ke ray tracing. Di sisi lain, jika tepat dua Kelas ekivalen yang hadir, menyiratkan bahwa ada satu batas diskontinuitas, maka kita melakukan sebuah persimpangan menguji untuk menentukan patch hit sinar query. menunjukkan patch ini. Tes simpang tersebut tidak semahal sebuah umum penelusuran sinar, karena biasanya hanya beberapa patch yang terlibat, dan hanya persimpangan tingkat pertama dari raytracing prosedur dihitung. Di antara sinar sudut 16 sampel, hanya yang yang melanda patch dalam kesetaraan yang sama kelas sebagai pr dapat digunakan sebagai interpolants. Ini adalah ray sampel memukul sisi yang sama dari batas diskontinuitas sebagai sinar query. Jika kita menentukan bahwa ada cukup jumlah sampel ray yang dapat digunakan, kita kemudian interpolasi sinar. Jika tidak, kami menggunakan sinar-tracing.

Bahkan jika interpolasi diperkenankan oleh kriteria di atas,mmasih mungkin bahwa interpolasi dapat inadvised karenam permukaan memiliki kelengkungan tinggi, sehingga output yang sangat berbeda untuk sinar masukan dekatnya. Tinggi variasi dalam output sinar (yaitu normal atau sinar keluar), sinyal daerah terputus. Sebagai ukuran untuk menentukan jarak antara dua sinar output, kita menggunakan jarak sudut antara arah mereka vektor. Jika ada jarak berpasangan antara output sinar yang sesuai dengan interpolants dapat digunakan lebih besar dari diberikan ambang sudut, maka interpolasi tidak dilakukan.

3.             Hasil  Eksperimen

Struktur data yang dijelaskan di bagian sebelumnya didasarkan pada sejumlah parameter, yang secara langsung mempengaruhi akurasi algoritma dan ukuran dan kedalaman dari pohon, dan secara tidak langsung mempengaruhi waktu berjalan. Kami telah menerapkan
struktur data dan telah menjalankan sejumlah eksperimen untuk menguji kinerjanya sebagai fungsi dari sejumlah parameter ini. Kami telah melakukan perbandingan kita dalam konteks dua aplikasi. Ray-tracing: ini telah dijelaskan pada bagian sebelumnya. Kita diberi sebuah adegan yang terdiri dari obyek yang baik sederhana, transparan dan reflektif atau sejumlah sumber cahaya. Outputnya adalah rendering adegan dari satu atau lebih sudut pandang. Visualisasi Volume: Aplikasi ini termotivasi dari aplikasi medis dari pemodelan jumlah radiasi diserap dalam jaringan manusia. Kami ingin memvisualisasikan penyerapan radiasi melalui serangkaian nonintersecting objek dalam 3-ruang. Dalam medis aplikasi benda-benda ini mungkin model organ tubuh manusia, tulang, dan tumor.

3.1        Uji input Kami telah dihasilkan sejumlah masukan adegan termasuk berbagai jenis objek. seperti disebutkan sebelumnya, untuk setiap objek dalam sebuah adegan kita dapat memilih untuk mewakili dalam metode tradisional atau menggunakan struktur data kami. Kami pilihan set input telah dipengaruhi oleh fakta bahwa RI-Tree yang paling bermanfaat untuk resolusi tinggi rendering benda halus, terutama yang reflektif atau transparan. Kami tahu tidak ada set data benchmark yang sesuai memenuhi persyaratan ini, jadi kami telah menghasilkan kami sendiri data set.

Permukaan Bezier: Ini adalah permukaan yang digunakan untuk menunjukkan Hasil dari algoritma interpolasi untuk reflektif halus objek. Ini terdiri dari permukaan reflektif yang terdiri dari 100 Bezier patch, bergabung dengan kontinuitas C2 di tepi. Permukaan ditempatkan dalam sebuah bola besar, yang telah diberi tekstur pseudo-acak prosedural. Percobaan menjalankan dengan permukaan Bezier memiliki telah setara dengan rendering permukaan dari 3 berbeda sudut pandang. Gambar. 10 (a) menunjukkan permukaan Bezier dari satu sudut pandang. Kami diberikan gambar ukuran 600 x 600 tanpa anitaliasing  yaitu, hanya satu sinar per pixel ditembak. dihasilkan, sehingga menimbulkan 4n patch permukaan Bezier. Itu volume yang digunakan baik untuk sinar-tracing dan volume visualisasi percobaan. Untuk sinar  tracing pada gambar ukuran 300 x 300 (dengan 9 sinar ditembak per pixel). Untuk visualisasi volume yang kita diberikan 600. 600 gambar . Hasilnya dirata-ratakan lebih dari tiga adegan acak yang berbeda mengandung 8,6, dan 5 volume masing-masing. Gambar. 11 menunjukkan adegan bias volume.

Tomat: Ini adalah adegan realistis digunakan untuk menunjukkan kinerja dan kualitas algoritma untuk real layar. Adegan terdiri dari sejumlah tomat, dimodelkan sebagai bola, ditempatkan dalam mangkuk reflektif, dimodelkan dengan menggunakan permukaan Bezier. Hal ini tercakup oleh plastik reflektif dan transparan tetapi non-bias wrap (permukaan Bezier sama dijelaskan di atas). Sana adalah tomat permukaan Bezier sebelah mangkuk, dan mereka baik ditempatkan di atas meja reflektif dalam sebuah bola besar. Membungkus mencerminkan lingkup prosedural bertekstur. ditunjukkan pada Gambar. 9.

3.2        Metrik Kami menyelidiki kesalahan percepatan yang dan aktual dilakukan sebagai fungsi dari empat parameter yang berbeda. Percepatan yang didefinisikan baik dari segi jumlah floating point operasi, atau FLOPS, dan CPU-time. Percepatan yang Flop adalah rasio jumlah FLOPS dilakukan oleh raytracing tradisional dengan jumlah FLOPS digunakan oleh algoritma untuk membuat tempat yang sama. Demikian pula, percepatan yang CPU adalah rasio CPU-kali. Perhatikan bahwa jepit dan CPU-kali untuk kami algoritma mencakup pengambilan sampel dan waktu interpolasi.

3.3        Memvariasikan pemangilan kembali  Ambang  jarak , dijelaskan dalam Bagian 2.3, digunakan untuk menentukan apakah sinar perkiraan output dan sesuai sinar output aktual cukup dekat (dalam hal jarak L2) untuk mengakhiri proses pembagian. Kami bervariasi jarak ambang 0:01-0:25 sementara yang lain parameter adalah tetap. Hasil untuk adegan permukaan Bezier.

3.4        Memvariasikan Ambang Batas  sudut, dijelaskan dalam Bagian 2.5, diterapkan pada setiap query untuk menentukan apakah variasi kelengkungan permukaan terlalu tinggi untuk menerapkan interpolasi. Kami menyelidiki percepatan yang dan kesalahan sebagai fungsi dari ambang sudut selama rendering tiga yang berbeda adegan Volume acak.

3.5        Memvariasikan pemngilan kembali Pohon Kedalaman maksimum bahwa pohon kedalaman maksimum, dijelaskan dalam Bagian 2.3, dikenakan untuk menghindari kedalaman pohon berlebihan dekat batas ketidaksinambungan. Kami mempertimbangkan kedalaman maksimum berkisar antara 22 sampai 30. (Karena ini adalah pohon kd-in 4-ruang, empat tingkat keturunan umumnya dibutuhkan untuk mengurangi separuh diameter sel.) Hasil untuk adegan permukaan Bezier ditunjukkan pada Gambar. 7. Ambang batas sudut tetap pada  jarak ambang tetap pada 0:05.

Gambar 6: Memvariasikan ambang sudut (jarak ambang = 0,25, kedalaman maksimum = 28, 300 x 300, antialisasi).

Gambar 7: Memvariasikan kedalaman pohon (jarak ambang = 0,05, ambang sudut = 30, 600 X 600, bukan-antialisasi).

3.6        Memvariasikan Ukuran Cache Seperti disebutkan sebelumnya, Ritree berfungsi sebagai cache LRU. Jika batas atas untuk tersedia memori-ukuran-Cache ini ditentukan, setidaknya jalan terakhir digunakan dipangkas berdasarkan perangko waktu yang ditetapkan setiap kali jalan diakses. Terlalu kecil ukuran cache yang dapat mengakibatkan regenerasi sering sel-sel yang sama. Untuk adegan permukaan Bezier, kami telah bervariasi ukuran cache 0,128-2,048 megabyte (MB). Speedup yang dihasilkangrafik.

Gambar 8: Memvariasikan ukuran cache (jarak ambang = 0,05, ambang sudut = 30, kedalaman pohon maksimum = 28, 600 X 600 citra non-antialisasi).

Tabel 1: Contoh hasil untuk adegan tomat (1200 X 900 non-antialisasi).

3.7        Percobaan Visualisasi Volume Kami telah menguji algoritma untuk aplikasi visualisasi volume menggunakan  volume acak yang sama kita telah menggunakan untuk objek bias gambar 600 dan tidak antialiased. Contoh Hasil jangka ditunjukkan pada Tabel 2. Speedup Flop bervariasi dari 2:817 sampai 3:549, dan percepatan CPU bervariasi dari 2:388 untuk 2:814. Untuk resolusi yang lebih tinggi, atau anti-alias gambar yang pemercepat bisa lebih tinggi. Kesalahan bisa serendah 0:008 untuk batas jarak rendah, dan masih pada nilai wajar untuk ambang batas yang lebih tinggi. Gambar. 12 menunjukan gambar yang sebenarnya gambar interpolated memvisualisasikan salah satu volume acak layar. Semua benda memiliki 0,5 opacity, dan semua memiliki warna abu-abu padat warna.

3.8        Kinerja dan Kesalahan untuk Adegan Tomat Akhirnya, kami telah menguji algoritma pada pembangkit   pembangkit adegan tomat 900, bukan-antialisasi.  menunjukkan hasil sampel untuk adegan tomat .

Referensi

[1] J. Amanatides. Ray tracing with cones. Computer Graphics (Proc. of SIGGRAPH 84), 18(3):129–135, 1984.

[2] J. Arvo and D. Kirk. Fast ray tracing by ray classification. Computer Graphics (Proc. of SIGGRAPH 87), 21(4):196–205, 1987.

[3] F.B. Atalay and D.M. Mount. Ray interpolants for fast raytracingreflections and refractions. Journal of WSCG (Proc. International Conf. in Central Europe on Comp. Graph., Visualization and Comp. Vision), 10(3):1–8, 2002.

[4] K. Bala, J. Dorsey, and S. Teller. Radiance interpolants for accelerated bounded-error ray tracing. ACM Trans. On Graph., 18(3), August 1999.

[5] J. L. Bentley. Multidimensional binary search trees used for associative searching. Commun. of ACM, 18(9):509–517, 1975.

[6] J. Bloomenthal. An Introduction to Implicit Surfaces. Morgan-Kaufmann, San Francisco, 1997.

[7] J. B. Van de Kamer and J. J. W. Lagendijk. Computation of high-resolution SAR distributions in a head due to a radiating dipole antenna representing a hand-held mobile phone. Physics in Medicine and Biology, 47:1827–1835, 2002.

[8] D. S. Ebert, F. K. Musgrave, D. Peachey, K. Perlin, and S. Worley. Texturing and Modelling. Academic Press Professional, San Diego, 1998.

[9] J. Foley, A. van Dam, S. Feiner, and J. Hughes. Computer Graphics Principles and Practice. Addison-Wesley, Reading, Mass., 1990.

[10] A. Gershun. The light field. Journal of Mathematics and Physics, XVIII:51–151, 1939. Moscow, 1936, Translated by P. Moon and G. Timoshenko.

[11] A. S. Glassner. Space subdivision for fast ray tracing. IEEE Comp. Graph. and Appl., 4(10):15–22, October 1984.

[12] A. S. Glassner(editor). An Introduction to Ray Tracing. Academic Press, San Diego, 1989.

[13] S. J. Gortler, R. Grzeszczuk, R. Szeliski, and M. F. Cohen. The lumigraph. Computer Graphics (Proc. of SIGGRAPH

96), pages 43–54, August 1996.

[14] P. S. Heckbert and P. Hanrahan. Beam tracing polygonal objects. Computer Graphics (Proc. of SIGGRAPH 84), 18(3):119–127, July 1984.

[15] M. R. Kaplan. Space tracing a constant time ray tracer. State of the Art in Image Synthesis (SIGGRAPH 85 Course Notes),11, July 1985.

[16] M. Levoy and P. Hanrahan. Light field rendering. Computer Graphics (Proc. of SIGGRAPH 96), pages 31–42, August 1996.

[17] P. Moon and D. E. Spencer. The Photic Field. MIT Press, Cambridge, 1981.

[18] M. Ohta and M. Maekawa. Ray coherence theorem and constant time ray tracing algorithm. Computer Graphics 1987 (Proc. of CG International ’87), pages 303–314, 1987.

[19] S. Rubin and T. Whitted. A three-dimensional representation

for fast rendering of complex scenes. Computer Graphics

(Proc. of SIGGRAPH 80), 14(3):110–116, July 1980.

[20] H. Samet. The Design and Analysis of Spatial Data Structures.Addison-Wesley, 1989.

[21] D. M. Y. Sommerville. Analytical Geometry in Three Dimensions.Cambridge University Press, Cambridge, 1934.

[22] D. Zorin, P. Schr¨oder, and W. Sweldens. Interpolatingsubdivision for meshes with arbitrary topology. Computer Graphics (Proc. of SIGGRAPH 96), pages 189–192, 1996.