SlideShare a Scribd company logo
1 of 43
Imagire Day
CEDEC 2008
レンダリスト養成講座レンダリスト養成講座 2.02.0
田村 尚希
川瀬 正樹
シリコンスタジオ株式会社 
Imagire Day
本セッションの流れ本セッションの流れ
後半発表者: 川瀬
前半発表者: 田村
Imagire Day
発表の流れ発表の流れ
1. 発表の概要
2. 論文紹介
「 Real-Time, All-Frequency Shadows in Dynamic
Scenes 」
3. 発表のまとめ
Imagire Day
発表の流れ発表の流れ
1. 発表の概要
2. 論文紹介
「 Real-Time, All-Frequency Shadows in Dynamic
Scenes 」
3. 発表のまとめ
Imagire Day
  Real-Time, All-Frequency Shadows in Dynamic
Scenes [Annen et al. SIGGRAPH 2008]
• 紹介論文 :
11 発表の概要発表の概要 (1/3)(1/3)
Imagire Day
11 発表の概要発表の概要 (2/3)(2/3)
• 環境マップライティングにおいて :
All-Frequency ShadowAll-Frequency Shadow (( くっきりした影くっきりした影 ++ ぼけた影ぼけた影 ))
を描画できる手法
• 手法の特徴
SHEXP ( 既存手法 ) 今回の手法
Imagire Day
11 発表の概要発表の概要 (3/3)(3/3)
• 動画 :
Imagire Day
発表の流れ発表の流れ
1. 発表の概要
2. 論文紹介
「 Real-Time, All-Frequency Shadows in Dynamic
Scenes 」
3. 発表のまとめ
Imagire Day
説明順序
手法の概要
まとめ・考
察
アルゴリズムの詳細
Imagire Day
2.12.1 手法の概要手法の概要 (1/2)(1/2)
SHEXP ( 既存手法 )
Spherical HarmonicsSpherical Harmonics 変換変換 , Wavelet, Wavelet 変換等を変換等を
利用する手法とは、 異なるアプローチ利用する手法とは、 異なるアプローチ
Wavelet Relighting ( 既存手法 )
Imagire Day
2.12.1 手法の概要手法の概要 (2/2)(2/2)
• 要点は、ソフトシャドウの複数回描画
手順 2. 面光源毎にライティング計算
手順 1. 環境マップを複数の面光源に分割
Imagire Day
説明順序
まとめ・考
察
環境マップの面光源分割
前計算
実行時
ライティング(ソフトシャド
ウ)計算
アルゴリズムの詳細
手法の概要
Imagire Day
2.22.2 環境マップの面光源分割環境マップの面光源分割
t
E
E
total
delta
>
しきい値
ギー総量現在の面光源のエネル
ギー量拡大する領域のエネル
:
:
:
t
E
E
total
delta
• キューブマップの面毎に、反復的に分割
手順 1 :
 面の中で最も明るいピクセルを選択
手順 2 :
 下式が成立する間、面光源を拡大
手順 3 :  
 下式のエネルギーを残し、面光源を除
去
手順 4 :
 面全体を覆いつくすまで、処理を繰り
返す
N
E
E total
res = 面光源のピクセル数:N
Imagire Day
説明順序
まとめ・考
察
環境マップの面光源分割
前計算
実行時
アルゴリズムの詳細
フィルタサイズ計
算
ソフトシャドウ計
算
Convolution
ShadowMap
ライティング(ソフトシャド
ウ)計算
手法の概要
Imagire Day
  Convolution Shadow Maps [Annen et al. EGSR 2007]
2.3 Convolution Shadow Map2.3 Convolution Shadow Map
Imagire Day
Convolution Shadow Maps の説明手順
  Convolution Shadow Maps [Annen et al. EGSR 2007]
手法の背景
キーアイディ
ア
レンダリング手
順
Imagire Day
2.3.12.3.1 手法の背景手法の背景 (1/5)(1/5)
• Standard Shadow Map
注 ) d,z はワールド空間上での光源との距離
で
[0,1] に正規化されていると仮定する
計算結果は [計算結果は [ 0 or 10 or 1 ]の]の 22 値のみになる値のみになる
  記録された深度値
にセルシャドウマップのピク p:p)(z
での深度値ポリゴン上の位置x:x)(d
Standard Shadow Map のシャドウテスト関
数:



>−
≤−
=
0(p)(x)if0
0(p)(x)if1
(p))(x),(
zd
zd
zdf
  
  Shadow map
ポリゴン
光源
Imagire Day
2.3.12.3.1 手法の背景手法の背景 (2/5)(2/5)
  記録された深度値
にセルシャドウマップのピク p:p)(z
での深度値ポリゴン上の位置x:x)(d
• PCF ( Percentage Closer Filtering )
0.6
p 近傍においてシャドウテストを行い、その平均を取り、ソフトシャドウを計算
する手法
= 13 / 25 = 0.52



>−
≤−
=
0(p)(x)if0
0(p)(x)if1
(p))(x),(
zd
zd
zdf
  
  
p
Imagire Day
2.3.12.3.1 手法の背景手法の背景 (3/5)(3/5)
• PCF ( Percentage Closer Filtering )
p 近傍においてシャドウテストを行い、その平均を取り、ソフトシャドウを計算
する手法
= 13 / 25 = 0.52
の近傍ピクセルp:q
フィルタカーネル:w
)(: 畳み込みフィルタリング∗
PCF のシャドウテスト関
数: 


>−
≤−
=
0(p)(x)if0
0(p)(x)if1
(p))(x),(
zd
zd
zdf
  
  
[ ](p)(q))(x),((q) zdfw ∗
[ ] 1(p)(q) =w
Imagire Day
2.3.12.3.1 手法の背景手法の背景 (4/5)(4/5)
≠
• PCF ( Percentage Closer Filtering )
PCF を勉強した人が必ず学ぶ事
:
= 13 / 25 = 0.52
正:シャドウテスト→フィルタ
リング
[ ](p)(q))(x),((q) zdfw ∗
誤:フィルタリング→シャドウ
テスト
[ ](p))(q)(q)(x),( zwdf ∗
平均値 : 0.524 < 0.6 0⇒
Imagire Day
2.3.12.3.1 手法の背景手法の背景 (5/5)(5/5)
利点:フィルタリング後にミップマップを作成し、影のエイリアシングを軽
減可能
うーん、確かにそうだけど、論文書くためのこじつけのような気が。。。。。うーん、確かにそうだけど、論文書くためのこじつけのような気が。。。。。
   Convolution Shadow Maps は、 [フィルタリング→シャドウテスト]
の計算手順を可能にする手法
Imagire Day
Convolution Shadow Maps の説明手順
  Convolution Shadow Maps [Annen et al. EGSR 2007]
手法の背景
キーアイディ
ア
レンダリング手
順
Imagire Day
2.3.22.3.2 キーアイディアキーアイディア (1/4)(1/4)
• 何故、 [フィルタリング→シャドウテスト] が通常の方法
では実行できないのか ?
ff((dd(x)(x),z,z(p))(p)) の不連続性を取り除き、変数分離するの不連続性を取り除き、変数分離する



>−
≤−
=
0(p)(x)if0
0(p)(x)if1
(p))(x),(
zd
zd
zdf
  
  
→ ff((dd(x),(x),zz(p))(p)) が二変数・不連続関数であるため
(d – z)
f(d,z)
Imagire Day
2.3.22.3.2 キーアイディアキーアイディア (2/4)(2/4)
))(sin(
1
2
2
1
(p))(x),(
1
zdc
c
zdf k
M
k k
−−≈ ∑=
• ff((dd(x)(x),z,z(p))(p)) の不連続性の除去の不連続性の除去
→ ff((dd(x),(x),zz(p))(p)) を基底関数の線形和で近似
)12( −= kck π
(d – z)
f(d,z)
M = 1M = 4M = 16
Imagire Day
2.3.22.3.2 キーアイディアキーアイディア (3/4)(3/4)
)sin()cos()cos()sin()sin( bababa −=−
• 近似関数の変数分離近似関数の変数分離 → 三角関数の加法定理を利用
∑=
+≈
N
k
kk zBdazdf
1
(p))((x))(
2
1
(p))(x),( MN 2=
))(sin(
1
2
2
1
(p))(x),(
1
zdc
c
zdf k
M
k k
−−≈ ∑=
)12( −= kck π
を利用する
と
a(2k-1)(d(x))
a(2k)(d(x)) B(2k)(z(p))
B(2k-1)(z(p))
(p))cos((x))(sin
2
2
1
(p))(x),(
1
zcdc
c
zdf kk
M
k k
∑=
−≈
(p))sin((x))cos(
2
1
zcdc
c
kk
M
k k
∑=
+
Imagire Day
2.3.22.3.2 キーアイディアキーアイディア (4/4)(4/4)
• 近似関数のフィルタリング
∑=
+≈
N
k
kk zBdazdf
1
(p))((x))(
2
1
(p))(x),(
∑=
+
N
k
kk zDda
1
(q))((x))(
2
1
[ ](p)(q))((q) zBwD kk ∗=
を代入に
とおくと
(p)(q))((x))(
2
1
(q)
1












+∗ ∑=
N
k
kk zBdaw
(p)(q))((x))((q)
2
1
1












∗+ ∑=
N
k
kk zBdaw
[ ]∑=
∗+
N
k
kk zBwda
1
(p)(q))((q)(x))(
2
1
[ ](p)(q))(x),((q) zdfw ∗
:x)(d 0.6
p)(z
[ ] 1(p)(q) =w より
Imagire Day
Convolution Shadow Maps の説明手順
  Convolution Shadow Maps [Annen et al. EGSR 2007]
手法の背景
キーアイディ
ア
レンダリング手
順
Imagire Day
2.3.32.3.3 レンダリング手順レンダリング手順 (1/3)(1/3)
)12(2
(p))sin((p))(
(p))cos((p))(
)2(
)12(
−=



=
=−
kc
zczB
zczB
k
kk
kk
π 
ステップ 1 ( 深度値の取
得 )
ステップ 2 ( 基底関数計
算 )
を計算し、値をテクスチャに保存
光源からの線形深度値を
テクスチャに保存
Imagire Day
2.3.32.3.3 レンダリング手順レンダリング手順 (2/3)(2/3)
ステップ 3 ( フィルタリ
ング )
)12(2
(p))sin((p))(
(p))cos((p))(
)2(
)12(
−=



=
=−
kc
zczB
zczB
k
kk
kk
π 
ステップ 2 ( 基底関数計
算 )
を計算し、値をテクスチャに保存
[ ](p)(q))((q) zBwD kk ∗=
Bk テクスチャをフィルタリ
ング
1. 普通にフィルタリン
グ
2. Summed Area Table
3. ミップマップ近似
の選択肢がある
Imagire Day
2.3.32.3.3 レンダリング手順レンダリング手順 (3/3)(3/3)
ステップ 4 ( シャドウテ
スト )
ステップ 3 ( フィルタリ
ング )
[ ](p)(q))((q) zBwD kk ∗=
Bk テクスチャをフィルタリ
ング
1. 普通にフィルタリン
グ
2. Summed Area Table
3. ミップマップ近似
の選択肢がある
視点からシーンをレンダリング
し
)12(2
(x))cos(
2
(x))(
(x))sin(
2
(x))(
)2(
)12(
−=






=
−=−
kc
dc
c
da
dc
c
da
k
k
k
k
k
k
k
π 
∑=
+
N
k
kk zDda
1
(q))((x))(
2
1
を計算
Imagire Day
説明順序
まとめ・考
察
環境マップの面光源分割
前計算
実行時
アルゴリズムの詳細
フィルタサイズ計
算
ソフトシャドウ計
算
Convolution
ShadowMap
ライティング(ソフトシャド
ウ)計算
手法の概要
Imagire Day
2.42.4 ライティング計算ライティング計算
• Convolution Shadow Map では、フィルタサイズは固定
→ Shadow Map を利用してピクセル毎ピクセル毎にフィルタサイズを決定にフィルタサイズを決定
手順 1 :
 光源と Near 平面の交差領域を計算
し
 初期フィルタサイズを計算
手順 2 :
 初期フィルタ内で、遮蔽物の平均
深度
 を計算し、仮想平面を設置
手順 3 :
 光源と仮想平面の交差領域を計算
し
 フィルタサイズを調整
手順 4 :
  Convolution Shadow Map を適用
Imagire Day
説明順序
まとめ・考
察
環境マップの面光源分割
前計算
実行時
アルゴリズムの詳細
フィルタサイズ計
算
ソフトシャドウ計
算
Convolution
ShadowMap
ライティング(ソフトシャド
ウ)計算
手法の概要
Imagire Day
2.52.5 フィルタサイズ計算フィルタサイズ計算



>−
≤−
=
0(p)(x)if1
0(p)(x)if0
(p))(x),(
zd
zd
zdf
  
  
• 遮蔽物の平均深度値の計算
詳細は、 論文詳細は、 論文 3.23.2 節節「Estimating Average Blocker Depth」参照
[ ][ ](p)(q))(x),((q): zdfwL avg ∗=正規化定数
Convolution Shadow MapConvolution Shadow Map のの
アルゴリズムを流用して計算可能アルゴリズムを流用して計算可能
[ ][ ](p)(q)(q))(x),((q)
1
zzdfw
L
z avgavg ×∗=



>−
≤−
=
0(p)(x)if0
0(p)(x)if1
(p))(x),(
zd
zd
zdf
  
  
Imagire Day
説明順序
まとめ・考
察
環境マップの面光源分割
前計算
実行時
アルゴリズムの詳細
フィルタサイズ計
算
ソフトシャドウ計
算
Convolution
ShadowMap
ライティング(ソフトシャド
ウ)計算
手法の概要
Imagire Day
説明順序
まとめ・考
察
環境マップの面光源分割
前計算
実行時
アルゴリズムの詳細
フィルタサイズ計
算
ソフトシャドウ計
算
Convolution
ShadowMap
ライティング(ソフトシャド
ウ)計算
手法の概要
Imagire Day
2.62.6 まとめ・考察まとめ・考察 (1/2)(1/2)
• まとめ
1. 深度値の取得
光源からの線形深度値
をテクスチャに保存
2. フィルタサイズ計
算
シャドウマップを利用し
て
遮蔽物の平均深度を計算
3. ソフトシャドウ
計算
Convolution Shadow Map
を利用
全ての面光源に対して同様の処理を繰り返す全ての面光源に対して同様の処理を繰り返す
Imagire Day
2.62.6 まとめ・考察まとめ・考察 (2/2)(2/2)
• 考察
1. 力技ながら、環境マップライティングは実現可能
2. ただし、計算負荷が高すぎて実用には耐えられない
3. 本質的には、面光源のソフトシャドウを計算する
手法なので、ライト 1 個のソフトシャドウであれば
応用の余地はある
Imagire Day
発表の流れ発表の流れ
1. 発表の概要
2. 論文紹介
「 Real-Time, All-Frequency Shadows in Dynamic
Scenes 」
3. 発表のまとめ
Imagire Day
33 発表のまとめ発表のまとめ
  Real-Time, All-Frequency Shadows in Dynamic
Scenes [Annen et al. SIGGRAPH 2008]
• 紹介論文 :
Convolution Shadow MapConvolution Shadow Map を拡張してを拡張して
環境マップによるライティングを実現環境マップによるライティングを実現
Imagire Day
33 発表のまとめ発表のまとめ
著作権について
本スライド内で引用した論文の図・動画
の
著作権は全て論文著者に帰属します
その他の図・スライド本体・挿絵等の著作権は
株式会社シリコンスタジオに帰属します
Imagire Day
最後に最後に
御清聴ありがとうございまし
た
Imagire Day
本セッションの流れ本セッションの流れ
後半発表者: 川瀬
前半発表者: 田村

More Related Content

What's hot

Deep learning実装の基礎と実践
Deep learning実装の基礎と実践Deep learning実装の基礎と実践
Deep learning実装の基礎と実践Seiya Tokui
 
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge LearningDeep Learning JP
 
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.Deep Learning JP
 
[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior
[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior
[DL輪読会]Blind Video Temporal Consistency via Deep Video PriorDeep Learning JP
 
20180925 CV勉強会 SfM解説
20180925 CV勉強会 SfM解説20180925 CV勉強会 SfM解説
20180925 CV勉強会 SfM解説Fujimoto Keisuke
 
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural RepresentationsDeep Learning JP
 
【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization
【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization
【DL輪読会】Prompting Decision Transformer for Few-Shot Policy GeneralizationDeep Learning JP
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィNorishige Fukushima
 
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...Deep Learning JP
 
[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...
[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...
[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...Deep Learning JP
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII
 
Jetson TK1でSemi-Global Matching
Jetson TK1でSemi-Global MatchingJetson TK1でSemi-Global Matching
Jetson TK1でSemi-Global MatchingRyo Sakamoto
 
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説Takateru Yamagishi
 
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...Shoki Miyagawa
 
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎Norishige Fukushima
 
Curiosity driven exploration
Curiosity driven explorationCuriosity driven exploration
Curiosity driven explorationTakuya Minagawa
 
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...Deep Learning JP
 
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...Deep Learning JP
 

What's hot (20)

Deep learning実装の基礎と実践
Deep learning実装の基礎と実践Deep learning実装の基礎と実践
Deep learning実装の基礎と実践
 
一般向けのDeep Learning
一般向けのDeep Learning一般向けのDeep Learning
一般向けのDeep Learning
 
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
 
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
[DL輪読会]深層強化学習はなぜ難しいのか?Why Deep RL fails? A brief survey of recent works.
 
[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior
[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior
[DL輪読会]Blind Video Temporal Consistency via Deep Video Prior
 
20180925 CV勉強会 SfM解説
20180925 CV勉強会 SfM解説20180925 CV勉強会 SfM解説
20180925 CV勉強会 SfM解説
 
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations【DL輪読会】WIRE: Wavelet Implicit Neural Representations
【DL輪読会】WIRE: Wavelet Implicit Neural Representations
 
【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization
【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization
【DL輪読会】Prompting Decision Transformer for Few-Shot Policy Generalization
 
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィコンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
 
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
[DL輪読会]Invariance Principle Meets Information Bottleneck for Out-of-Distribut...
 
大規模凸最適化問題に対する勾配法
大規模凸最適化問題に対する勾配法大規模凸最適化問題に対する勾配法
大規模凸最適化問題に対する勾配法
 
[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...
[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...
[DL輪読会] Learning from Simulated and Unsupervised Images through Adversarial T...
 
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​SSII2020SS:  微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜​
 
Jetson TK1でSemi-Global Matching
Jetson TK1でSemi-Global MatchingJetson TK1でSemi-Global Matching
Jetson TK1でSemi-Global Matching
 
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
CUDAのアセンブリ言語基礎のまとめ PTXとSASSの概説
 
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...
FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessm...
 
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎
 
Curiosity driven exploration
Curiosity driven explorationCuriosity driven exploration
Curiosity driven exploration
 
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
[DL輪読会]Life-Long Disentangled Representation Learning with Cross-Domain Laten...
 
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
【DL輪読会】Visual Classification via Description from Large Language Models (ICLR...
 

Viewers also liked

CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~Silicon Studio Corporation
 
CEDEC 2009 Imagire Day 続・レンダリスト養成講座
CEDEC 2009 Imagire Day 続・レンダリスト養成講座CEDEC 2009 Imagire Day 続・レンダリスト養成講座
CEDEC 2009 Imagire Day 続・レンダリスト養成講座Silicon Studio Corporation
 
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座Silicon Studio Corporation
 
CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック Silicon Studio Corporation
 
CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~
CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~
CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~Silicon Studio Corporation
 
手描き感を再現する ペイントシミュレータの最新研究紹介
手描き感を再現するペイントシミュレータの最新研究紹介手描き感を再現するペイントシミュレータの最新研究紹介
手描き感を再現する ペイントシミュレータの最新研究紹介Silicon Studio Corporation
 
CEDEC 2012 実践!シネマティックレンズエフェクト
CEDEC 2012 実践!シネマティックレンズエフェクトCEDEC 2012 実践!シネマティックレンズエフェクト
CEDEC 2012 実践!シネマティックレンズエフェクトSilicon Studio Corporation
 
機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討Silicon Studio Corporation
 
物理ベース時代のライトマップベイク奮闘記
物理ベース時代のライトマップベイク奮闘記物理ベース時代のライトマップベイク奮闘記
物理ベース時代のライトマップベイク奮闘記Silicon Studio Corporation
 
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識Silicon Studio Corporation
 
CEDEC 2005 汎用的なシェーダ設計 イントロダクション
CEDEC 2005 汎用的なシェーダ設計 イントロダクションCEDEC 2005 汎用的なシェーダ設計 イントロダクション
CEDEC 2005 汎用的なシェーダ設計 イントロダクションSilicon Studio Corporation
 
シリコンスタジオによる HDR出力対応の理論と実践
シリコンスタジオによるHDR出力対応の理論と実践シリコンスタジオによるHDR出力対応の理論と実践
シリコンスタジオによる HDR出力対応の理論と実践Silicon Studio Corporation
 
シリコンスタジオの最新テクノロジーデモ技術解説
シリコンスタジオの最新テクノロジーデモ技術解説シリコンスタジオの最新テクノロジーデモ技術解説
シリコンスタジオの最新テクノロジーデモ技術解説Silicon Studio Corporation
 
CEDEC 2008 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2008 Imagire Day 最新世代機に関わる技術トラックCEDEC 2008 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2008 Imagire Day 最新世代機に関わる技術トラックSilicon Studio Corporation
 
Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...
Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...
Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...Silicon Studio Corporation
 
Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...
Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...
Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...Silicon Studio Corporation
 
Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...
Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...
Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...Silicon Studio Corporation
 
Recipes for Optical Effect System Design - Real-time Rendering of Physically...
Recipes for Optical Effect System Design - Real-time Rendering of Physically...Recipes for Optical Effect System Design - Real-time Rendering of Physically...
Recipes for Optical Effect System Design - Real-time Rendering of Physically...Silicon Studio Corporation
 

Viewers also liked (19)

CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
 
CEDEC 2009 Imagire Day 続・レンダリスト養成講座
CEDEC 2009 Imagire Day 続・レンダリスト養成講座CEDEC 2009 Imagire Day 続・レンダリスト養成講座
CEDEC 2009 Imagire Day 続・レンダリスト養成講座
 
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
CEDEC 2007 ゲーム開発者向け最新技術論文の解説・実装講座
 
CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2007 Imagire Day 最新世代機に関わる技術トラック
 
CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~
CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~
CEDEC 2012 コンピュータ・グラフィクス関連の最新論文紹介~Modular Radiance Transfer法の解説~
 
手描き感を再現する ペイントシミュレータの最新研究紹介
手描き感を再現するペイントシミュレータの最新研究紹介手描き感を再現するペイントシミュレータの最新研究紹介
手描き感を再現する ペイントシミュレータの最新研究紹介
 
CEDEC 2009 Imagire Day 2009
CEDEC 2009 Imagire Day 2009CEDEC 2009 Imagire Day 2009
CEDEC 2009 Imagire Day 2009
 
CEDEC 2012 実践!シネマティックレンズエフェクト
CEDEC 2012 実践!シネマティックレンズエフェクトCEDEC 2012 実践!シネマティックレンズエフェクト
CEDEC 2012 実践!シネマティックレンズエフェクト
 
機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討機械学習向けCGデータの量産手法の検討
機械学習向けCGデータの量産手法の検討
 
物理ベース時代のライトマップベイク奮闘記
物理ベース時代のライトマップベイク奮闘記物理ベース時代のライトマップベイク奮闘記
物理ベース時代のライトマップベイク奮闘記
 
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
CEDEC 2010 魅力ある絵作りのために知っておきたい色光学豆知識
 
CEDEC 2005 汎用的なシェーダ設計 イントロダクション
CEDEC 2005 汎用的なシェーダ設計 イントロダクションCEDEC 2005 汎用的なシェーダ設計 イントロダクション
CEDEC 2005 汎用的なシェーダ設計 イントロダクション
 
シリコンスタジオによる HDR出力対応の理論と実践
シリコンスタジオによるHDR出力対応の理論と実践シリコンスタジオによるHDR出力対応の理論と実践
シリコンスタジオによる HDR出力対応の理論と実践
 
シリコンスタジオの最新テクノロジーデモ技術解説
シリコンスタジオの最新テクノロジーデモ技術解説シリコンスタジオの最新テクノロジーデモ技術解説
シリコンスタジオの最新テクノロジーデモ技術解説
 
CEDEC 2008 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2008 Imagire Day 最新世代機に関わる技術トラックCEDEC 2008 Imagire Day 最新世代機に関わる技術トラック
CEDEC 2008 Imagire Day 最新世代機に関わる技術トラック
 
Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...
Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...
Subtle Anamorphic Lens Effects - Real-time Rendering of Physically Based Opt...
 
Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...
Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...
Lenses - Real-time Rendering of Physically Based Optical Effect in Theory an...
 
Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...
Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...
Making Your Bokeh Fascinating - Real-time Rendering of Physically Based Opti...
 
Recipes for Optical Effect System Design - Real-time Rendering of Physically...
Recipes for Optical Effect System Design - Real-time Rendering of Physically...Recipes for Optical Effect System Design - Real-time Rendering of Physically...
Recipes for Optical Effect System Design - Real-time Rendering of Physically...
 

Similar to CEDEC 2008 Imagire Day レンダリスト養成講座 2.0

SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来Hidekazu Oiwa
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料Masayuki Tanaka
 
GCM#4 アーティストのためのプログラマブルシェーダー講座Part2
GCM#4 アーティストのためのプログラマブルシェーダー講座Part2GCM#4 アーティストのためのプログラマブルシェーダー講座Part2
GCM#4 アーティストのためのプログラマブルシェーダー講座Part2GREE/Art
 
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)Masaya Kaneko
 
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門Silicon Studio Corporation
 
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編Fixstars Corporation
 
Flashup 12 Basic Training of Away3D
Flashup 12 Basic Training of Away3DFlashup 12 Basic Training of Away3D
Flashup 12 Basic Training of Away3DKatsushi Suzuki
 
市場競争力強化に向けて(2004)
市場競争力強化に向けて(2004)市場競争力強化に向けて(2004)
市場競争力強化に向けて(2004)Tsuyoshi Horigome
 
オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)
オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)
オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)Takuma Yagi
 
Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)
Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)
Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)takesako
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII
 
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic SegmentationDeep Learning JP
 

Similar to CEDEC 2008 Imagire Day レンダリスト養成講座 2.0 (14)

SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来SGD+α: 確率的勾配降下法の現在と未来
SGD+α: 確率的勾配降下法の現在と未来
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
 
GCM#4 アーティストのためのプログラマブルシェーダー講座Part2
GCM#4 アーティストのためのプログラマブルシェーダー講座Part2GCM#4 アーティストのためのプログラマブルシェーダー講座Part2
GCM#4 アーティストのためのプログラマブルシェーダー講座Part2
 
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
Visual SLAM: Why Bundle Adjust?の解説(第4回3D勉強会@関東)
 
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
リアルタイムレイトレーシング時代を生き抜くためのデノイザー開発入門
 
ADVENTURE_Solidの概要
ADVENTURE_Solidの概要ADVENTURE_Solidの概要
ADVENTURE_Solidの概要
 
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
 
G2o
G2oG2o
G2o
 
Flashup 12 Basic Training of Away3D
Flashup 12 Basic Training of Away3DFlashup 12 Basic Training of Away3D
Flashup 12 Basic Training of Away3D
 
市場競争力強化に向けて(2004)
市場競争力強化に向けて(2004)市場競争力強化に向けて(2004)
市場競争力強化に向けて(2004)
 
オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)
オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)
オープンワールド認識 (第34回全脳アーキテクチャ若手の会 勉強会)
 
Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)
Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)
Devsumi2010 Ecmascript5 (ISO/IEC JTC1/SC22)
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
 
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
[DL輪読会]Geometric Unsupervised Domain Adaptation for Semantic Segmentation
 

More from Silicon Studio Corporation

ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023Silicon Studio Corporation
 
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と テクスチャ...
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成とテクスチャ...Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成とテクスチャ...
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と テクスチャ...Silicon Studio Corporation
 
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーションハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーションSilicon Studio Corporation
 
待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介
待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介
待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介Silicon Studio Corporation
 
3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!
3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!
3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!Silicon Studio Corporation
 
Unreal Engine を用いた、駐車スペース検知のための学習データ生成
Unreal Engine を用いた、駐車スペース検知のための学習データ生成Unreal Engine を用いた、駐車スペース検知のための学習データ生成
Unreal Engine を用いた、駐車スペース検知のための学習データ生成Silicon Studio Corporation
 
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -Silicon Studio Corporation
 
シリコンスタジオで開発中の Mizuchi for DCC Tool について
シリコンスタジオで開発中の Mizuchi for DCC Tool についてシリコンスタジオで開発中の Mizuchi for DCC Tool について
シリコンスタジオで開発中の Mizuchi for DCC Tool についてSilicon Studio Corporation
 
物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現
物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現
物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現Silicon Studio Corporation
 
実践的なHDR出力対応 ~レンダリングパイプラインの構築~
実践的なHDR出力対応 ~レンダリングパイプラインの構築~実践的なHDR出力対応 ~レンダリングパイプラインの構築~
実践的なHDR出力対応 ~レンダリングパイプラインの構築~Silicon Studio Corporation
 
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...Silicon Studio Corporation
 

More from Silicon Studio Corporation (12)

ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション|CEDEC2023
 
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と テクスチャ...
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成とテクスチャ...Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成とテクスチャ...
Procedural PLATEAU: プロシージャル技術と3D都市モデル「Project PLATEAU」を組み合わせたファサード自動生成と テクスチャ...
 
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーションハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション
ハイエンド〜ローエンドまで、「Enlighten」による効率的リアルタイムグローバルイルミネーション
 
待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介
待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介
待望のメジャーアップデート!Enlighten 4 レイトレなど最新機能ご紹介
 
3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!
3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!
3DCG住宅プレゼンテーションのグローバルイルミネーションをディープラーニングで推定!
 
Unreal Engine を用いた、駐車スペース検知のための学習データ生成
Unreal Engine を用いた、駐車スペース検知のための学習データ生成Unreal Engine を用いた、駐車スペース検知のための学習データ生成
Unreal Engine を用いた、駐車スペース検知のための学習データ生成
 
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
エンド・トゥ・エンドAI描画に至る道 - 高度構造化入力のためのニューラルネットワーク構成やインフラの検討 -
 
シリコンスタジオで開発中の Mizuchi for DCC Tool について
シリコンスタジオで開発中の Mizuchi for DCC Tool についてシリコンスタジオで開発中の Mizuchi for DCC Tool について
シリコンスタジオで開発中の Mizuchi for DCC Tool について
 
物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現
物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現
物理ベース?アート指向? ~尤もらしさと自由度を両立するレンズフレア表現
 
実践的なHDR出力対応 ~レンダリングパイプラインの構築~
実践的なHDR出力対応 ~レンダリングパイプラインの構築~実践的なHDR出力対応 ~レンダリングパイプラインの構築~
実践的なHDR出力対応 ~レンダリングパイプラインの構築~
 
4Front Game Data Science
4Front Game Data Science4Front Game Data Science
4Front Game Data Science
 
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...
Churn Prediction in Mobile Social Games: Towards a Complete Assessment Using ...
 

Recently uploaded

PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000Shota Ito
 
プレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールプレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールsugiuralab
 
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directoryosamut
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxAtomu Hidaka
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Danieldanielhu54
 
プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価sugiuralab
 
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。iPride Co., Ltd.
 

Recently uploaded (8)

PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
 
プレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツールプレイマットのパターン生成支援ツール
プレイマットのパターン生成支援ツール
 
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
 
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
 
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptxIoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
 
プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価プレイマットのパターン生成支援ツールの評価
プレイマットのパターン生成支援ツールの評価
 
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ       2024/04/12の勉強会で発表されたものです。新人研修のまとめ       2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
 

CEDEC 2008 Imagire Day レンダリスト養成講座 2.0