研究文章|开放获取
Lei律,金陵,梅林关风扇, ”<年代pan>基于SFSM效率控制方法对大规模人群呈现年代pan>”,多媒体的发展我>, 卷。2018年, 文章的ID3958306, 10 页面, 2018年。 https://doi.org/10.1155/2018/3958306
基于SFSM效率控制方法对大规模人群呈现
文摘
对于大规模的人群,用户往往需要交互式漫游。一个好的漫游效果可以让用户感觉沉浸在人群中,和场景需要填充的人群,使环境活着的和可信的。本文提出的方法效率控制大规模人群呈现。首先,我们设计出一个基于自反馈状态机机制,可动态调整的准确性人群模型渲染根据系统呈现的速度之间的关系和用户期望的速度。其次,我们提出一个运动频率更新方法进行运动的频率更新基于个体之间的距离和角度。此外,我们提出一个变量精确点采样图策略呈现个人不同的采样精度。摘要状态机系统有效地整合两个核心技术动态控制模型的准确性,确保视觉效率,提高渲染效率,满足用户的漫游交互的流畅。
1。介绍
大规模人群的模拟是计算机图形学的重要在许多领域,包括实时应用,如游戏、人群可以否则静态场景更现实,提高可信度。现有的大规模人群呈现方法通常使用以下三种类型的技术提高渲染速度:细节层次(LoD)技术(1,2),基于图像的渲染(IBR)有关技术(3,4),点样例呈现(PSR)技术(5,6]。
LoD方法,原始网格简化不同程度根据绘图对象的距离角度减少总画的图。IBR技术有关最近人气大增(7]。这是因为它允许快速呈现为每个代理和只有一个图片可以自动呈现骗子。缺点是存储图像和纹理内存的消耗高度相关。此外,插值的图像是耗时的,一般禁止在给定的时间范围内。PSR的技术,不需要存储和维护一致的拓扑信息。因此,它比三角形网格更灵活。然而,这种技术有几个局限性。例如,点成为独立于原始网格,和加载动画变得困难,如果点样品的结果的LoD网格。
先前的研究要么简化了复杂模型的原始三角补丁根据用户的视角的改变或替换简单的三角形和简单的图形元素。然而,当用户的角度动态地变化,这可能会导致突变渲染效率。在一些实际的应用程序中,用户经常需要从多个位置和角度观察,因为群体的大面积分布。现有的组呈现方法有很大的不同在单帧渲染的速度由于渲染任务在不同视角下的变化。这将创建在线流畅漫游的用户体验。因此,目前迫切需要控制大规模人群渲染的效率。
本文提出了一种有效的控制方法对大规模人群呈现。在我们的方法中,我们设计一个自反馈状态机(SFSM)控制效率。它包含三种状态,每个状态对应于一个渲染精度。国家是由渲染一帧的时间成本。因此,渲染速度可以保持在一个合理的范围内,达到实时效果。
由于集团运动的连续性和变化的观点,我们采用前一帧的渲染时间成本尽可能的反馈信息来预测当前帧的时间。它还可以用于确定SFSM的状态。因此,当大规模组场景的渲染速度不同于用户的预期速度,SFSM可以自动检测异常并迅速调整到所需的速度。此外,我们节省时间消耗减少人的更新频率远离的观点。这些人是在一个视觉不敏感的地区,所以他们对整体视觉效果影响甚微。进一步减少绘图任务总数,可变精度采样技术使用一个相对粗糙的点采样模型来取代一个相对好模型,这是类似于减少整个屏幕的分辨率。
实验表明,我们的效率控制方法可以稳定渲染效率在0.6内用户的期望<我>年代我>的风景吸引数以万计的球迷。速度偏差控制在10<我>女士我>。
2。相关工作
关于大规模人群呈现,已经有大量的工作在这个领域8- - - - - -12]。这些研究提供了一个完整的、最新的概述艺术状态的人群呈现,深入比较了技术质量而言,资源,和性能。本节提供了一个简单的概述在大规模人群呈现相关工作。
LoD的方法已被用于提高性能的实时人群呈现(13]。这个想法是为了取代小,遥远的,或者不重要的场景中物体近似仿真模型,当一群人被吸引。在每一帧,系统选择适当的模型或解析模型的距离的观点(14]。布罗根和霍金斯(15)采用LoD技术来控制大规模人群的运动。他们模拟大规模人群之间通过动态切换这些钟表基于一个简化版的物理模拟的角色作为一个模拟LoD。奥沙利文<我>等我>。(16)提出了一个方法结合几个级别的细节大规模人群。然而,这可怜的结果生成时使用低分辨率的网格,因为太多的细节。动画工件由于联合顶点也可能发生的损失,从而减少虚拟人类的整体视觉现实主义。此外,人们已经发现,一个低分辨率模型不是感知相当于其高分辨率与传达微妙的变化在运动17),说明的重要性占动画在选择LoD方案。广告牌云提出有吸引力的替代品,极端几何LoD简化(18]。
呈现骗子而不是几何证明大大提高渲染效率,但会导致视觉外观。有大量的研究关于IBR系统有关。视觉骗子基于映像的技术引入到一个几何渲染环境。这个想法是为了取代部分变形到一个简单的模型与图像表示,通常四,几何形状。通过这种方式,一个物体的呈现时间减少到一个恒定的变形开销。Tecchia [19)使用了IBR技术呈现大规模人群有关模拟一个虚拟的城市环境。首先,为人类的许多可能的视图模型prerendered并存储在内存中。然后,最近的视图的设置用于显示在模拟的角色。同样,作et al。3]介绍了一种新方法叫做Geopostors,再详细的几何图形和骗子生成虚拟人类。他们建造Geopostors混合许多图像映射所产生的正常的地图,详细地图,和一组可定制的颜色材料。Geopostors实现交互式帧速率和视觉现实与代理大规模模拟。
使用点作为新的原始呈现几何提出Levoy早期和书写的报告(20.]。其想法是呈现一个模型使用大量的点。高斯滤波器或表面抛雪球算法(21)可以填写执行可能的差距。调查积分技术提出了Kobelt和Botsch22]。在[23],作者提出了只利用积分模型来代替模型远离的观点。因此,PSR更有用和更快的三角形模型覆盖一个像素或更少,不需要存储和维护全球一致的拓扑信息。因此,相比他们更灵活的三角形网格。然而,这种技术有一定的局限性。例如,它很容易导致从初始模型,独立,很难加载动画如果点样本的结果的LoD网格。
3所示。效率的控制方法
实现高性能渲染成千上万的代理时,本文提出了一种效率控制策略。这个想法是为了调整模型的精度由SFSM期间呈现。当渲染速度低于用户的期望,大概位置精度模型的模型是用来提高渲染速度。相比之下,当呈现速度满足用户的期望,具有良好精度模型是用于确保更好的视觉质量。同时,运动更新方法和变量精度抽样方法也被用来实现动态调整模型的渲染和视觉效果的损失降到最低。
图1显示了一般人群呈现的过程。大部分的时间都花在运动(位置、方向、行动等)更新在每一帧的渲染模式。解决这些问题,我们的技术的目标是变频动态更新和可变精度抽样方法。
的原则和实现部分中描述的两个算法3.1和部分3.2分别和SFSM的结构及其效率控制过程将部分中描述3.3。
3.1。变频运动更新
瑞秋et al。17]报道的距离相机骗子和感知不同的简化网格相当于高分辨率几何。变频运动更新我们的方法是基于这一事实。
渲染效率控制我们的目的是通过减少运动的频率更新的人远离相机。
我们使用<年代vg height="12.7178pt" id="M1" style="vertical-align:-3.42947pt" version="1.1" viewbox="-0.0498162 -9.28833 8.47692 12.7178" width="8.47692pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
3.2。变量抽样精度渲染
因为PSR方法的优势绘画效果和实时渲染组大小和可以识别的快速绘制数以百万计的人在一个电脑(5),我们提出一个基于PSR技术变量精度抽样技术。它实现了动态控制通过使用多精度点采样模型渲染效率。
3.2.1之上。大规模人群呈现基于点采样
实现三维模型的快速渲染,绘画技术基于点采样的原则是使用对应点的投影区域元素替换原来的三角面元素。我们成功地应用技术来简化虚拟人体模型(5)(见图2与30000年到50000年的代理)和实现人群呈现(图3)。
(一)年代trong>
(b)年代trong>
(一)年代trong>
(b)年代trong>
基于点采样组映射方法可以有效地改善组场景的渲染效率和实时渲染的规模。然而,与其他组映射方法,重点呈现的基本思想方法是动态简化模型。当用户的看法改变,可能有变化的速度屏幕更新,导致非光滑的视觉体验。
3.2.2。可变精度抽样技术
在最初的采样点,原则是使用投影区域足够大来取代三角面元素图模型来节省时间。当像素的大小增加,还增加了像素的投影。同样的模型,像素的数量增加,和三角片的数量减少,所以画的速度增加。另一方面,三角面增加,从而导致一个更复杂的模型,绘制速度降低。
Levoy早期提出的积分技术和书写的20.],他们建议使用点作为新的原始呈现几何。这个想法是为了使表面使用大量的点。Point-sampled对象不需要存储和维护全球一致的拓扑信息。因此,相比他们更灵活的三角形网格。
可变精度抽样的原则是动态调整采样点的大小通过增加(或减少)的投影区域采样点屏幕,根据渲染速度的要求。动态修改的影响采样点的大小相当于屏幕分辨率(图的变化4)。每一帧的大小SFSM设定的采样点。
这两个数据图中的第一行4显示采样点权重接近0.2像素帧率是21.3<我>帧/秒我>当我们使用更高精度渲染效果。另外两个数据图的第二行4是精度渲染效果,其采样点权值接近1像素,绘制帧率是65.5<我>帧/秒我>。
3.3。自反馈状态机
基于上述两种方法,我们设计SFSM自动控制人群运动的渲染效率。SFSM动态监控由每一帧的时间开销和比较它与用户所期望的绘图速度确定当前系统的渲染速度达到用户满意度水平,应该使用什么样的战略和加速度精确绘制当前帧。
SFSM呈现有三种状态:状态0,状态1,状态2,对应于不同的加速策略。状态0,没有运动与变频更新操作。原始模型模式呈现。它是最详细的图纸,和时间成本较大。在状态1,变频运动更新需要执行,和采样点的大小保持不变。在状态2,变频运动更新也必须被执行,和每个呈现一个变量精确点。在这种状态下,呈现的速度是最快的。
图5显示之间的过渡状态,<年代vg height="9.49473pt" id="M7" style="vertical-align:-0.2063999pt" version="1.1" viewbox="-0.0498162 -9.28833 7.34169 9.49473" width="7.34169pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
(一)年代trong>
(b)年代trong>
(c)年代trong>
(d)年代trong>
(e)年代trong>
(f)年代trong>
(g)年代trong>
距离是通过自学习方法。假设的时间成本<我>我我>th框架<年代vg height="12.2532pt" id="M10" style="vertical-align:-3.29108pt" version="1.1" viewbox="-0.0498162 -8.96212 10.3582 12.2532" width="10.3582pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
当<年代pan class="inline_break">
,然后<年代pan class="equation_break" id="EEq3">
进一步转换如下:<年代pan class="equation_break" id="EEq4">
在学习的过程中,如果<年代vg height="12.2532pt" id="M26" style="vertical-align:-3.29108pt" version="1.1" viewbox="-0.0498162 -8.96212 10.3582 12.2532" width="10.3582pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
在自主学习过程中,<年代vg height="11.927pt" id="M32" style="vertical-align:-3.291101pt" version="1.1" viewbox="-0.0498162 -8.6359 21.4497 11.927" width="21.4497pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
当系统在状态2,样本大小的参数表示采样点的大小。如果渲染速度低于速度用户可以容忍,从较低状态系统切换到更高的状态(数据5(一个)- - - - - -5 (c)),然后人群模型渲染的效率将会增加。相反,它将在相反的方向逆转(数字5 (d)- - - - - -5 (g)),模型的准确性会降低。
样本大小的重量是由线性变化。由于使用原始模型的三角形画,采样点体重在初始状态是0。我们设置了<我>我我>th帧采样点体重<年代vg height="11.927pt" id="M37" style="vertical-align:-3.291101pt" version="1.1" viewbox="-0.0498162 -8.6359 9.24907 11.927" width="9.24907pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
4所示。实验结果
我们测量的运行时性能效率控制方法使用一个I7 3.4 GHz处理器,8 GB RAM和2 g的GeForce 1050显卡显存。运动个体的原始模型包含1000个补丁。
验证响应能力与效率的变化控制在呈现期间,在我们的第一个测试(见图6),我们呈现一群有二万个人在一个静态角度看电脑。在初始状态,用户的期望的速度是1000<我>女士/框架我>,系统状态0。在30帧,用户的期望的速度调整到300 (±10)<我>女士我>/<我>框架我>,系统状态转化为状态(请参见图17),在这种状态下,每一帧之间的时间成本<我>300毫秒我>和<我>310毫秒我>。在第100帧,用户的期望的速度调整到大约95 (±10)<我>女士/框架我>,系统状态转化为状态2(见图8)。从这些数据中,我们可以看到,在漫游过程中,用户的期望的渲染效率改变了两次,每一帧的时间成本仍然是在300年<我>女士我>和310年<我>女士我>后第100帧。
图9清楚地说明了人群呈现有和没有效率的性能控制。有两个国家调整30和100帧,和渲染速度的增加。我们还发现两个调整之间的平均时间成本为0。<我>55岁的年代我>和效率的控制率达到96.6%。
从这个实验中,我们可以看到,我们的方法可以快速响应需求变化的速度和控制大规模组场景的速度范围内用户的期望。
在我们的下一个实验,来验证反应能力的变化呈现的观点,我们还执行人群仿真有20000个人在一个电脑。唯一的区别在于,这个模拟的动态视角。我们从三个视角渲染动画:近距离看,中程看来,范围和远程视图和渲染效果如图10。在渲染的时候,用户的期望的速度是95<我>女士/框架我>在初始状态,系统在状态1。从这个状态,漫游视图将定期做出改变。同时,系统将调整由SFSM渲染精度,以确保屏幕的平滑。
(一)年代trong>
(b)年代trong>
(c)年代trong>
在这个实验中,我们利用两个运动的更新和变量抽样精度。每一帧生成的时间成本是在图11,每一帧的时间成本和没有效率控制在红色和蓝色线代表,分别。我们可以看到,渲染速度与我们的系统可以保持在一个稳定的范围内。效率高达97.8%的控制率使用SFSM和高于在无效率的情况下控制在69.7%。这表明,我们的方法可以快速响应用户的动态变化角度和控制渲染速度在所需的范围内,保证用户漫游视觉流畅的角度变化。
这两个实验表明,我们的效率控制机制提供人群呈现可以有效地控制大规模人群渲染的效率和为用户提供一个流畅的视觉体验。控制速度效率相对较高,在渲染时系统的帧速率可以满足用户的需求,和响应时间更短,当用户的预期帧速率动态变化。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
附加分
总结与展望我>。在本文中,我们提出一个方法来控制呈现大规模人群的效率,设计了一种精密控制SFSM。通过动态调整的映射精度的人口模型,渲染效率实现的动态控制,和大规模的群体运动的场景保证平滑漫游。我们的方法有几个优点。首先,我们提出了多级SFSM方法可以自动回复任务和用户需求的变化,它也可以迅速和有效地调整场景渲染速度和稳定范围内,以确保用户的网络漫游流利。第二,确保渲染效率的前提下,多级SFSM使用变频动态更新技术和可变精度点抽样技术来减少损失的视觉效果。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
Lei律设计本文的概念和写的原稿;金陵张做了一些评论这项研究和修订后的手稿;梅林关风扇的构思和设计实验。阅读和批准所有的作者都最后的手稿。
确认
这项工作是支持部分由中国国家自然科学基金(号。61502505,61472232,61572299),山东关键研究和发展项目(没有。2017 gsf20105),山东省自然科学基金的主要程序(没有。ZR2018ZB0419)、山东省自然科学基金(没有。ZR2016FB13),山东省高等教育科技计划(没有。J16LN09)。
引用
- 柯切和m .花环,“进步的多分辨率网格变形表面,”<我>诉讼的ACM SIGGRAPH / Eurographics研讨会上电脑动画(SCA 05)我>2005年7月,页191 - 200。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- 大肠Landreneau和美国Schaefer铰接网格简化”,<我>计算机图形学论坛我>,28卷,不。2、347 - 353年,2009页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- 作,j·哈米尔,k . O 'Conor和c O ' sullivan,“Geopostors:实时几何/骗子人群呈现系统,”<我>2005年学报I3D: ACM SIGGRAPH研讨会上交互式3 d图形和游戏我>,页95 - 102,美国,2005年4月。<年代pan class="reflinks">视图:谷歌学术搜索
- l . Kavan作,柯林斯,j .Žara和c O ' sullivan,“Polypostors: 2 d多边形骗子对3 d的人群,”<我>诉讼的研讨会上交互式3 d图形和游戏,I3D 2008我>,页149 - 155,美国2008年2月。<年代pan class="reflinks">视图:谷歌学术搜索
- 王b和n . Holzschuch”与屈光边界积分渲染,参与媒体”,<我>IEEE可视化和计算机图形学我>卷,99年,页1 - 14,2017。<年代pan class="reflinks">视图:谷歌学术搜索
- b .陈和x p阮M,“混合点和多边形渲染系统对于大数据,”<我>Visuali-zation会议的程序。IEEE计算机协会我>,45-52,2001页。<年代pan class="reflinks">视图:谷歌学术搜索
- f . Tecchia和y Chrysanthou实时渲染的人口稠密的城市环境,”<我>渲染技术2000我>,Eurographics,页83 - 88,激飞维也纳,维也纳,2000年。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- g·赖德和a . m .,“实时渲染技术的人群的调查,”<我>计算机图形学论坛我>,24卷,不。2、203 - 215年,2005页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- m·a·Azahar m . s . Sunar d .蹄兔和a .吩咐,“实时模拟人群,调查”<我>电子学习技术和数字娱乐我>卷,5093<我>在计算机科学的课堂讲稿我>海德堡,页573 - 580,激飞柏林,柏林,海德堡,2008年。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- n Palechano: Badler, j . Allbeck“虚拟人群:方法、仿真和控制,”<我>综合计算机图形学专题动画我>,3卷,不。2、2008。<年代pan class="reflinks">视图:谷歌学术搜索
- d . Thalmann和s . r . Musse<我>人群仿真我>,激飞伦敦,伦敦,2013年。<年代pan class="reflinks">视图:出版商的网站
- A . Beacco n Pelechano, c .安杜哈尔”人群的调查实时渲染,“<我>计算机图形学论坛我>,35卷,不。8日,32-50,2016页。<年代pan class="reflinks">视图:谷歌学术搜索
- b . Ulicny p . De Heras Ciechomski, d . Thalmann<我>Crowdbrush:互动创作的实时人群场景我>,2014年的OAI。<年代pan class="reflinks">
- d . Luebke b·沃森和j·科恩,<我>详细信息3 d计算机图形学我>,2003年。<年代pan class="reflinks">
- d . c .布罗根和j·k·霍金斯,”模拟可替换主体控制的详细级别,”<我>《国际联合会议上1:自治代理与可替换主体系统我>,页199 - 206,意大利,2002年7月。<年代pan class="reflinks">视图:谷歌学术搜索
- c . O ' sullivan, j·卡塞尔,h . Vilhjalmsson et al ., "的细节水平人群和团体,<我>计算机图形学论坛我>,21卷,不。4、733 - 741年,2002页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- r·麦克唐纳,美国作和c·沙利文啊,”LOD人类表示:比较研究”,<我>第一届国际研讨会论文集在人群仿真我>,2005年。<年代pan class="reflinks">视图:谷歌学术搜索
- x Decoret, f . f . x Sillion勾勒和j·多尔西,“极端的模型简化,广告牌云”<我>Acm交易图片我>,22卷,不。3、689 - 696年,2003页。<年代pan class="reflinks">视图:谷歌学术搜索
- f . Tecchia和y Chrysanthou实时渲染的人口稠密的城市环境,”<我>学报Eurographics研讨会渲染技术我>激飞维也纳,页83 - 88年,2000年。<年代pan class="reflinks">视图:谷歌学术搜索
- Levoy m . t .一点点,<我>点作为一个显示原始的使用我>北卡罗莱纳大学计算机科学系,1985年。<年代pan class="reflinks">
- m·茨威格,h·费斯和j·巴尔V,“表面抛雪球算法,”<我>IEEE计算机图形可视化我>,8卷,不。3、223 - 238年,2001页。<年代pan class="reflinks">视图:谷歌学术搜索
- l . Kobbelt和m . Botsch”调查的积分技术在计算机图形学中,“<我>电脑和图形我>,28卷,不。6,801 - 814年,2004页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- 撒母耳和j·r·巴斯,“硬件加速点对点骗子的产生和渲染,“<我>图形学报Gpu &游戏工具我>,10卷,不。3,37-49,2005页。<年代pan class="reflinks">视图:谷歌学术搜索
版权
版权©2018 Lei律等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。