Un artículo de José A. Iglesias Guitián se presentará en la conferencia SIGGRAPH Asia en Corea
24/11/2022 – CITIC
El trabajo “Neural James-Stein Combiner for Unbiased and Biased Renderings”, desarrollado por el investigador del CITIC José A. Iglesias Guitián junto con Jeongmin Gu y Bochang Moon del Gwangju Institute of Science and Technology – GIST de Corea del Sur, se presentará en SIGGRAPH Asia 2022, uno de los eventos más importantes a nivel internacional en el ámbito de la computación gráfica y las técnicas interactivas.
La 15th ACM SIGGRAPH Conference and Exhibition on Computer Graphics and Interactive Techniques in Asia se celebrará del 6 al 9 de diciembre en Daegu (Corea del Sur) y reunirá a cerca de 8000 profesionales que trabajan en computación gráfica y técnicas interactivas, en áreas tales como la investigación, ciencia, arte, animación, gaming, educación y tecnologías emergentes.
La presentación del artículo será a cargo de la estudiante del GIST y primera autora, Jeongmin Gu, y tendrá lugar el 9 de diciembre dentro de la sesión “Sampling and Reconstruction”. El artículo ha sido seleccionado además para su publicación en un número especial de la revista ACM Transactions on Graphics (TOG).
La generación de imágenes mediante técnicas avanzadas de render, p.e. Monte Carlo path tracing, suele producir altos niveles de ruido en las imágenes generadas cuando no se dispone de los recursos necesarios (ya sea tiempo o recursos de cálculo) para completar adecuadamente la computación asociada a la simulación del transporte de luz.
Esta colaboración entre GIST y la UDC-CITIC propone un nuevo marco para mejorar la calidad de las imágenes generadas mediante la fusión de algoritmos de render no sesgados (p.e. Monte Carlo path tracing) y el resultado otras técnicas que consiguen reducir el ruido a costa de introducir un cierto sesgo (p.e. eliminadores de ruido o denoisers, basados en aprendizaje máquina). El marco propuesto para la fusión de ambos resultados se basa en el estimador de James-Stein y permite tanto mejorar la convergencia de las imágenes resultantes, como garantizar que el error cometido esté siempre acotado bajo el umbral marcado por las técnicas no sesgadas.
