Naslov magistrskega dela: Nevronsko medpomnjenje dinamične osvetlitve volumnov

Povzetek:

Volumetrično sledenje potem je standardna tehnika za upodabljanje volumetričnih podatkov, ki ohranja vse strukturne informacije v končni sliki, vendar je ta pristop računsko zahtevnejši od upodabljanja površin. To je privedlo do številnih optimizacijskih tehnik, od strategij medpomnjenja do nedavnih pristopov s strojnim učenjem. Na podlagi predhodnega dela, ki je za napovedovanje posredne sevalnosti prek preslikavanja fotonov uporabljalo nevronsko mrežo, predlagamo metodo, ki preslikavanje fotonov nadomesti s sledenjem potem. S tem odpravimo potrebo po ločeni fazi učenja in omogočimo sprotno učenje modela. Naša metoda je vgrajena v obstoječi platformno agnostični volumetrični sledilnik potem, ki deluje v brskalniku s pomočjo tehnologije WebGPU. Dosegamo 2,06-kratno skupno pohitritev v fazi računanja na grafičnem procesorju in 1,28-kratno izboljšavo časa sličice v primerjavi s sledenjem potem. Pokažemo, da naša metoda ustvari slike z manj šuma in da so slike, pridobljene po 0,5 sekunde upodabljanja, bližje referenčnim slikam glede na zaznavno metriko LPIPS kot slike, pridobljene s sledenjem potem.

Mentor: doc. dr. Ciril Bohak

Somentor: doc. dr. Žiga Lesar

Komisija za zagovor:

prof. dr. Erik Štrumbelj (predsednik),

prof. dr. Matija Marolt (član),

prof. dr. Vlado Stankovski (član).

Prostor: Sejna soba 3