Zobrazeno 1 - 10
of 180
pro vyhledávání: '"Yuan, Hongliang"'
Generating high-quality, realistic rendering images for real-time applications generally requires tracing a few samples-per-pixel (spp) and using deep learning-based approaches to denoise the resulting low-spp images. Existing denoising methods have
Externí odkaz:
http://arxiv.org/abs/2301.01036
Publikováno v:
In Smart Agricultural Technology December 2024 9
The classic Monte Carlo path tracing can achieve high quality rendering at the cost of heavy computation. Recent works make use of deep neural networks to accelerate this process, by improving either low-resolution or fewer-sample rendering with supe
Externí odkaz:
http://arxiv.org/abs/2108.06915
Regularizers help deep neural networks prevent feature co-adaptations. Dropout, as a commonly used regularization technique, stochastically disables neuron activations during network optimization. However, such complete feature disposal can affect th
Externí odkaz:
http://arxiv.org/abs/2106.01805
Monte Carlo path tracer renders noisy image sequences at low sampling counts. Although great progress has been made on denoising such sequences, existing methods still suffer from spatial and temporary artifacts. In this paper, we tackle the problems
Externí odkaz:
http://arxiv.org/abs/2103.16115
Publikováno v:
In Global Energy Interconnection October 2023 6(5):530-541
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yuan, Hongliang.
Thesis (Ph.D.)--University of Central Florida, 2009.
Adviser: Zhihua Qu. Includes bibliographical references (p. 138-143).
Adviser: Zhihua Qu. Includes bibliographical references (p. 138-143).
Externí odkaz:
http://purl.fcla.edu/fcla/etd/CFE0002683
Publikováno v:
In Chemical Engineering Science 23 February 2019 195:748-757