研究課題/領域番号 |
19F19759
|
研究種目 |
特別研究員奨励費
|
配分区分 | 補助金 |
応募区分 | 外国 |
審査区分 |
小区分60090:高性能計算関連
|
研究機関 | 東京大学 |
研究代表者 |
梅谷 信行 (2020-2021) 東京大学, 大学院情報理工学系研究科, 准教授 (10893604)
蜂須賀 恵也 (2019) 東京大学, 大学院情報理工学系研究科, 准教授 (00748650)
|
研究分担者 |
MEISTER DANIEL 東京大学, 情報理工学(系)研究科, 外国人特別研究員
|
研究期間 (年度) |
2019-10-11 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
1,600千円 (直接経費: 1,600千円)
2021年度: 400千円 (直接経費: 400千円)
2020年度: 400千円 (直接経費: 400千円)
2019年度: 800千円 (直接経費: 800千円)
|
キーワード | モンテカルロ積分 / 光輸送シミュレーション / Computer Graphics / Collision Detection / Ray Tracing / レイトレーシング |
研究開始時の研究の概要 |
コンピュータグラフィックスを用いた写実的な画像の生成は、光の経路をコンピュータ上で追跡することで行われる。光は物体に当たるまでは直線状を進むと仮定すると、この計算では、光源を出た光や他の物体から反射した光が、どの物体のどの位置に当たるかを求める必要がある。この計算はレイトレーシングと呼ばれ、写実的な画像の生成の基本となる計算である。この計算の高速化は写実的な画像の生成の高速化につながり、映画やデザイン産業において有用である。本研究では、レイトレーシングの計算を高速化するための、acceleration data structureという技術について、既存の手法を超えた高速化を目指す。
|
研究実績の概要 |
2021年度は,主に「Neural Sequence Transfer」という研究を行った.この研究はコンピュータグラフィックス分野で,レイトレーシングを用いた光輸送シミュレーションにより,写実的な画像を生成する際に重要となるモンテカルロ積分法を,深層学習によって高速化するというものである. モンテカルロ積分は被積分関数をいくつかの点でサンプリングしてその加重平均によって,積分値を近似的に求める.加重平均する際の重みは一般的には,シーンを構成する材質や光源によって定まる.本研究では加重平均の重みについて,重みが最適になるように,シーンごとに前もって学習をさせておくことで,モンテカルロ積分の収束を高速化するというものである.具体的には,Sequence Transferと呼ばれるある値に収束する数列に対して,数学的な変換を適応することでより早い収束が得られる既存の方法に着想を得て,これを深層学習によってさらに一般的な問題に適応できるようにした.モンテカルロ積分は乱数を使って関数の積分を近似するので,一般的に,収束が滑らかではなくゆらぎをもっていて,既存のSequence Transferのアプローチは適応できない.しかし,深層学習によって変換を学習させることで収束における乱数のゆらぎを吸収できることを期待したものである. 本研究の実験では,深層学習を用いてモンテカルロ積分の収束がある程度向上することが分かった.本研究はコンピュータ・グラフィックス分野の代表的な国際学会の一つである「Pacific Graphics」に論文が採択された.
|
現在までの達成度 (段落) |
令和3年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
令和3年度が最終年度であるため、記入しない。
|