Project

Back to overview

Mollifying Realistic Image Synthesis for Time Constrained Rendering

English title Mollifying Realistic Image Synthesis for Time Constrained Rendering
Applicant Zwicker Matthias
Number 169839
Funding scheme Project funding (Div. I-III)
Research institution Department of Computer Science University of Maryland
Institution of higher education University of Berne - BE
Main discipline Information Technology
Start/End 01.09.2017 - 30.06.2019
Approved amount 56'830.00
Show all

Keywords (2)

3D computer graphics; realistic rendering

Lay Summary (German)

Lead
Neue Algorithmen zur realistischen Bildsynthese, welche in einem vorgegebenen Zeitbudget bestmögliche Approximationen zum gewünschten Endresultat liefern.
Lay summary
Realistische Bildsynthese ist ein Kernproblem der Computergrafik mit unzähligen Anwendungen zum Beispiel in Architektur, industriellem Design, oder Filmproduktion. Herkömmliche Methoden konvergieren zur korrekten Lösung je länger die Rechenzeit, wobei visuell akzeptable Resultate häufig Minuten oder Stunden benötigen. Dies ist problematisch in vielen Anwendungen, wo der Benutzer auf eine rasche Rückmeldung der Bildsynthese angewiesen ist, um einen iterativen Designprozess vorwärts zu treiben. Dies ist die Motivation, um in diesem Projekt Bildsynthese-Algorithmen zu entwerfen, die ein vom Benutzer definiertes Zeitbudget nicht überschreiten, und in dieser Zeit die bestmögliche Approximation des endgültigen Bildes liefern sollen. Wir werden Algorithmen entwickeln, die je nach Zeitbudget passende Vereinfachungen des Problems vornehmen, um ein Ausgabebild zu berechnen, dass so nahe wie möglich beim gewünschten Resultat liegt. Wir werden zeigen, dass dies zu besseren Resultaten führt, als einfach ein herkömmliches Verfahren nach der entsprechenden Rechenzeit zu unterbrechen, und das entsprechende Zwischenresultat auszugeben.
Direct link to Lay Summary Last update: 17.07.2017

Responsible applicant and co-applicants

Publications

Publication
Learning to Importance Sample in Primary Sample Space
QuanZheng, ZwickerMatthias (2019), Learning to Importance Sample in Primary Sample Space, in Computer Graphics Forum, 38(2), 169-179.
Learning to Importance Sample in Primary Sample Space
ZhengQuan, ZwickerMatthias (2018), Learning to Importance Sample in Primary Sample Space, arXiv, arXiv.org.

Abstract

The goal of most previous realistic image synthesis or rendering algorithms is to converge to the ground truth solution as quickly as possible with increasing computation time. In light transport simulation (often referred to as global illumination), computation typically continues until desired quality criteria are met, but the desired computation time is not an input to the renderer. In contrast to this, we are considering the problem to obtain the best possible approximate solution under a given time constraint. A key idea is to achieve this by modifying the rendering problem at hand, that is the scene and the light transport simulation including image reconstruction, to obtain easier problems. This is often referred to as regularization, or called “mollification". Mollification allows us to achieve better approximations of the desired image within a given time budget. Solving the mollified problem may in general not converge to the ground truth, but it will provide a better approximation given a limited time compared to solving the original problem. We believe this problem statement is highly relevant in application scenarios where the user cannot be expected to simply wait for an arbitrary amount of time until a simulation provides acceptable results. For example during interactive modeling or design, it is much more useful for users to specify a given amount of time they are willing to wait.
-