-
题名基于蓄水池算法的顺序独立半透明头发渲染
- 1
-
-
作者
蔡宇泽
吴志红
张严辞
-
机构
四川大学计算机学院
四川大学视觉合成图形图像技术国家重点学科实验室
-
出处
《小型微型计算机系统》
北大核心
2025年第5期1147-1155,共9页
-
基金
国家重大专项项目(GJXM92579)资助
四川省重点研发项目(2023YFG0122)资助。
-
文摘
为了提升实时渲染半透明头发的效率,本文提出了一种基于蓄水池算法的顺序独立半透明渲染算法.该算法构建了一种固定大小的蓄水池,其中保存对结果有显著贡献的片段,最终对这些片段进行准确的颜色混合计算.对于蓄水池之外的片段,采用近似但快速的计算方法.与现有分类计算片段的算法相比,该蓄水池可以在一个几何渲染遍中筛选出带有任意特性的目标片段,且无需提前保存原始片段集.实验结果表明,与基于链表的算法相比,本文算法减少了需要排序的片段数量,从而带来了性能上的提升,并能够节约显存;与其他的近似算法相比,本文算法更能够显示出发丝之间的层次结构.本文算法适用于基于面片的头发模型,也适用于复杂度更高的基于发束的模型,并且能够结合多重采样抗锯齿,更好地处理大规模半透明头发渲染.
-
关键词
实时渲染
半透明头发渲染
顺序独立半透明渲染算法
蓄水池算法
-
Keywords
real-time rendering
transparent hair rendering
order-independent transparent rendering
reservoir algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于全局状态预测与公平经验重放的交通信号控制算法
被引量：1
- 2
-
-
作者
缪孜珺
罗飞
丁炜超
董文波
-
机构
华东理工大学信息科学与工程学院
-
出处
《计算机应用》
北大核心
2025年第1期337-344,共8页
-
基金
国家自然科学基金面上项目(62276097)
上海市自然科学基金资助项目(22ZR1416500,23ZR1414900)
上海市基础研究特区计划项目(22TQ1400100-16)。
-
文摘
为了应对交通拥堵而设计的高效交通信号控制算法能提升现有交通网络下的车辆通行效率。尽管深度强化学习算法在单路口交通信号控制问题上已展现出卓越的性能,然而这些算法在多路口环境下的应用仍然面临着重大的挑战——多智能体强化学习(MARL)算法产生的时间和空间的部分可观测性引发的非平稳性问题会导致这些算法无法稳定的收敛。因此,提出一种基于全局状态预测与公平经验重放的多路口交通信号控制算法IS-DQN。一方面,基于不同车道的车流历史信息预测多路口的全局状态,从而扩展IS-DQN的状态空间,以避免算法产生空间部分可观测性而带来非平稳性问题;另一方面,为应对传统经验重放策略的时间部分可观测性,采用蓄水池抽样算法来保证经验重放池的公正性,进而避免其中的非平稳性问题。在复杂的多路口环境下应用IS-DQN算法进行3种不同的交通压力仿真实验的结果表明:在不同交通流情况下,尤其是在中低交通流量下,相较于独立的深度强化学习算法,ISDQN算法能得到更短的车辆平均行驶时间,并表现出了更优的收敛性能与收敛稳定性。
-
关键词
深度强化学习
交通信号控制
时序预测
蓄水池抽样算法
长短期记忆
-
Keywords
deep reinforcement learning
traffic signal control
time series prediction
reservoir sampling algorithm
Long Short-Term Memory(LSTM)
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
