Выполнено экспериментальное сравнение устойчивости к доменному сдвигу классических сверточных нейронных сетей (CNN), со сверточными сетями Колмогорова-Арнольда (convKAN), имеющими в ядрах свертки обучаемые нелинейности. Исследование выполнено на примере архитектуры ResNet-18 в конфигурации без декодера. Опорным выбран набор данных PlantVillage, как содержащий норму и 26 заболеваний, в том числе 17 грибковых для 14 видов растений (всего 38 классов). Заболевания представлены 4 классами, из которых наиболее представленными являются 2 - грибковые и бактериальные. Домены со сдвигом представлены 6 наборами изображений растений, в которых лишь малая часть типов растений и заболеваний пересекается с классами PlantVillage. Исследованы 3 метрики сдвига домена: Maximum Mean Discrepancy (MMD); дивергенция Йенсена-Шеннона; расстояние Вассерштейна. Сравнение моделей проводилось по метрикам: Accuracy, F1 macro, F1 weighted, Recall, FAR. Исследованы эмбеддинги, извлеченные сверточной частью моделей KAN и CNN. Установлено, что сверточные сети KAN, показывают лучшие результаты по устойчивости к доменному сдвигу в среднем на: 10% по Accuracy, 2% по F1-macro, 6% по F1-weighted. Показано, что влияние величин метрик доменного сдвига на результат KAN и CNN носит неоднородный характер, но в итоге эти метрики способны показать какие из доменных сдвигов являются сильными. Выявлена роль анализа ошибок на примере FAR, показавшего экстремальный рост для KAN и CNN в грибковых заболеваниях, с преимуществом сети CNN. Результаты показывают, что сильный доменный сдвиг является причиной существенной деградации качества классификации для обеих моделей, но сети KAN более устойчивы к доменному сдвигу, проигрывая CNN по величине FAR. Установлено, что после обучения в сети KAN доминируют унимодальные, мультимодальные и осциллирующие функции активации, а в ходе обучения доля унимодальных растет за счет осциллирующих.

Восстановление параметров сцены по изображениям (обратный рендеринг) является востребованной задачей и важным направлением в компьютерной графике и зрении. В настоящее время для решения этой задачи все чаще применяется дифференцируемый рендеринг, основанный на градиентных методах оптимизации. В данной работе представлены усовершенствования метода дифференцируемого рендеринга функций расстояния со знаком, предложенного в 2024 году, а также его кроссплатформенная реализация, поддерживающая выполнение на различных типах графических ускорителей. Таким образом, обеспечивается независимость от оборудования конкретного производителя и расширяется применимость метода в разнородных аппаратных конфигурациях. В нашей работе предлагаются две ключевые модификации. Во-первых, стандартный метод трассировки луча мы заменяем методом Ньютона и аналитическим методом, адаптированными к задачам дифференцируемого рендеринга. Кроме этого, мы разбиваем вычисление производных по текстурным и геометрическим параметрам сцены на две части, соответствующие внутреннему и граничному интегралам. Такое разбиение уменьшает число выборок метода Монте-Карло, необходимых для оценки градиентов по текстуре, и позволяет распределить вычисления между двумя шейдерами. В результате разработанная реализация дифференцируемого рендеринга достигает ускорения до трех раз по сравнению с базовой реализацией, сохраняя при этом исходную точность.

Данная работа представляет сравнительное исследование производительности различных подходов к применению нейронных моделей в задачах компьютерной графики. Рассмотрены два направления: представление поверхностей с помощью нейронных моделей функции расстояния со знаком (на примере SIREN) и нейронные модели материалов, представленных двунаправленной функцией отражения, (на примере NBRDF). Проанализированы реализации MLP как с помощью кроссплатформенных подходов, так и с использованием специализированного аппаратного ускорения. Результаты экспериментов выявляют существенные различия в производительности между рассматриваемыми подходами. На их основе сформулированы практические рекомендации для разработчиков, планирующих интеграцию нейронных методов в приложения компьютерной графики.

Статья описывает функциональные особенности системы оптического моделирования Lumicept, которые являются значимыми для моделирования освещенности и верифицированы с использованием тестовых сценариев, разработанных Международной комиссией по освещению (CIE) в рамках стандарта CIE 171:2006. Вкратце описываются методы оптического моделирования, используемые в других программных комплексах, в частности, методы конечных элементов и обратной трассировки лучей. К числу особенностей системы Lumicept, влияющих на прохождение тестов, относятся как конкретные вычислительные алгоритмы оптического моделирования, используемые в тестовых сценариях, так и особенности представления данных сцены, которые влияют на работу вычислительных алгоритмов. В качестве вычислительных алгоритмов используется прямая Монте-Карло трассировка лучей, включая методы трассировки путей (Path Tracing), и специализированные методы, например, метод расчета годовой динамики освещенности (Daylight Autonomy). Особенности представления сцен включают способы задания оптических свойств поверхностей, моделирование точечных и протяженных источников света. Также отдельно затронута тема использования различных способов генерации случайных чисел, применяемых в стохастических методах трассировки лучей. Результаты тестирования системы Lumicept продемонстрировали корректное моделирование распространения света данной системой, при этом точность результатов сравнима с точностью результатов других популярных систем.

Статья представляет усовершенствованную методику вычисления объединенного индекса дискомфорта (UGR), направленную на повышение адекватности оценки условий освещения. Критикуя ограниченность существующих расчётных систем (DIALux, Relux), авторы предлагают комбинированный подход, использующий ресурсы компьютерной графики (пакет 3ds Max) для моделирования и математической платформы (Matlab) для анализа. Инновационная составляющая заключается во внедрении алгоритма кластеризации, который заменяет ресурсоёмкий попиксельный анализ источников бликов. Это позволяет увеличить точность определения UGR на 10% и приблизить модель к биомеханизмам зрения. Полученные данные подчёркивают существенное влияние коэффициентов отражения (при ρ > 0.8) на уровень дискомфорта. Разработанный метод представляет практический интерес для специалистов в области проектирования освещения и архитектуры.

Статья посвящена созданию фотореалистичных 3D-копий объектов – задаче, востребованной в ритейле, дизайне и индустрии развлечений. Анализ современных методов реконструкции выявил их ключевые ограничения: сложности при работе с зеркальными, прозрачными, однотонными и тонкими поверхностями, невозможность одновременного точного восстановления геометрии и материалов, а также высокую трудоемкость получения достоверных моделей методами обратного проектирования. Предложен метод раздельной реконструкции геометрии и материалов с использованием смываемых текстурных маркеров, что позволило обеспечить восстановление материалов и устойчивую реконструкцию геометрии. Архитектура системы допускает интеграцию методов неявной нейросетевой реконструкции и активных сканеров. Эксперименты на репрезентативном наборе показали высокую точность реконструкции геометрии и материалов, корректное переосвещение моделей и низкие затраты времени оператора (менее 15 минут). В ходе апробации выявлено ограничение, характерное для автоматических систем – потеря достоверности при приближении виртуальной камеры, предложены пути его преодоления.

Работа посвящена разработке новаторского подхода к улучшению плотности и точности облаков точек, формируемых механическими системами LiDAR, посредством внедрения регулируемого пассивного оптического компонента – специального зеркала. Анализируется воздействие положения зеркала на точность и детализацию результатов лазерного сканирования поверхностей объектов. Экспериментально продемонстрировано, что применение зеркального усиления в сочетании с предложенным алгоритмом автоматической калибровки (GPC – Ground Plane Consistency) позволяет существенно увеличить плотность точек и обеспечить высокую геометрическую точность данных. Предложенный метод не требует использования специальных калибровочных паттернов, сохраняя конструктивную простоту сенсора. Представленное практическое исследование и численное моделирование подтверждает высокую эффективность и перспективы предлагаемого решения.

Безопасность пешеходов на дороге во много зависит от того насколько пешеход правильно оценивает дорожную ситуацию и насколько транспортное средство в состоянии оценить уровень его контроля дорожной ситуации. Одним из средств оценки внимания пешехода может служить анализ направления его взгляда. Однако низкое разрешение изображения лица пешехода, размытие в движении, сложные условия освещения и частичное перекрытие лиц затрудняют эту оценку. В результате предыдущих исследований было показано, что в благоприятной обстановке оценка направления взгляда по ориентации лица и положению зрачков обеспечивают детальные данные о направлении внимания пешехода. Однако эти решения ненадежны в условиях реальной уличной обстановки. В данной статье представлено надежное расширенное гибридное решение, которое использует конвейер методов оценки внимания пешеходов с контролем ошибок каждого из них для непрерывного определения направления взгляда пешеходов в сложных уличных условиях. В дополнение к предложенному ранее нейросетевому методу оценки направления взгляда добавляются геометрические и легковесные нейросетевые методы оценки ориентации головы, компенсирующие потенциальные отказы методов в случаях зашумленных входных данных. Предложенное решение интегрирует детектирование лиц, оценку направления взгляда, расчет положения и ориентации головы, включая прогнозирование ее положение и ориентацию в следующий момент времени. В отличие от предыдущих решений, ориентированных исключительно на оценку направления взгляда, построенные в данной работе нейронные сети позволяют не только повысить точность, но также обеспечить непрерывную обработку видеоданных в условиях реальных визуальных помех, связанных со сложной дорожной ситуацией. Многочисленные эксперименты на открытых наборах данных в условиях реальной уличной обстановки демонстрируют, значительное превосходство предложенного решения на дальних дистанциях, что повышает доступность сквозной оценки уровня контроля дорожной ситуации при сохранении точности оценки на уровне, полученном по определению направления взгляда в благоприятных условиях.

Рассматривается проблема аналитической оценки точности совмещения изображений при проективном преобразовании. Предложен математический аппарат для вычисления ковариационной матрицы параметров преобразования на основе линеаризации нелинейной модели с использованием якобиана. Разработан алгоритм построения карт дисперсий D_x, D_y и ковариации K_xy для каждого пикселя изображения. Проведена валидация метода с использованием численного подхода Монте-Карло, показавшая высокую точность аналитических оценок (корреляция > 0.999) и значительное ускорение вычислений (более чем в 5000 раз). Научная новизна заключается в разработке аналитического метода оценки локальной точности совмещения для нелинейных проективных преобразований.

В работе предложен оригинальный метод построчной сегментации рукописных документов, состоящий в построении векторного поля локальных направлений текста и формировании осевых линий строк на основе векторных линий построенного поля. Разработан и реализован алгоритм, робастно работающий с реальными изображениями архивных документов, включая сложные случаи изгибающихся строк, неравномерных межстрочных интервалов и вариативности почерка. Экспериментальные результаты демонстрируют высокую эффективность (F_1 = 0.92).

Программное обеспечение комплекса бортового оборудования гражданского авиалайнера работает под управлением операционной системы реального времени (ОСРВ), частью которой является графическая компонента, формирующая изображение дисплея пилота. На него выводится интегрированная информация об окружающей обстановке и состоянии систем самолета, передаваемая от разных приложений. В работе рассматриваются вопросы обеспечения эффективной и безопасной генерации изображений от нескольких приложений, выполняемых в разных разделах ОСРВ, на один экран. Подробно разбирается подход, использующий многослойную визуализацию, позволяющий повысить эффективность с помощью аппаратной поддержки технологии VOP (Video Object Plane). Применение этого подхода потребовало разработки алгоритмов, которые должны соответствовать авиационному стандарту ARINC 661 и обеспечивать выполнение приложений в независимых разделах. Выполнение этих требований позволит сертифицировать разработанные программы и библиотеки для использования на борту гражданских авиалайнеров. Была достигнута приемлемая скорость рендеринга 25 кадров в секунду при создании слоев изображения пятью разделами.

В работе рассматривается проблема эффективного использования аппаратных ресурсов в компьютерных системах с несколькими графическими адаптерами в задачах визуализации компьютерной графики. Предлагается гибридная реализация к выполнению задач с использованием графического конвейера, которая основана на функциональном разделении вычислений между видеоадаптерами, в отличие от традиционных методов, где распределение нагрузки осуществляется по пространственным или временным критериям. Разработаны и протестированы алгоритмы для трех графических техник: моделирование облаков, расчет теней и окружающего затенения. Благодаря использованию API DirectX 12 в режиме Explicit Multi-Adapter было реализовано взаимодействие между GPU без необходимости использования специализированных аппаратных интерфейсов. Экспериментальные исследования показали прирост производительности до 28% для расчета теней, до 11% для окружающего затенения и до 59% для моделирования облаков в зависимости от конфигурации системы. Полученные результаты демонстрируют перспективность гибридного подхода для практического применения в потребительских устройствах, таких как игровые компьютеры и ноутбуки с комбинированной графикой.