WEKO3
アイテム
光害のための点光源による多重散乱光の機械学習に関する一検討
https://ipsj.ixsq.nii.ac.jp/records/239050
https://ipsj.ixsq.nii.ac.jp/records/2390506f365ee6-0d8a-43fe-9481-7f56bdecbb27
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CG24195006.pdf (1.0 MB)
2026年9月2日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, CG:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-09-02 | |||||||||
| タイトル | ||||||||||
| タイトル | 光害のための点光源による多重散乱光の機械学習に関する一検討 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | A Machine Learning Approach to Multiple Scattering of Light from Point Sources for Light Pollution Studies | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | CG一般セッション2 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 北海道大学 | ||||||||||
| 著者所属 | ||||||||||
| 北海道大学／プロメテックCGリサーチ | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Hokkaido University | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Hokkaido University / Prometech CG Research | ||||||||||
| 著者名 |
高橋, 憂雅
× 高橋, 憂雅
× 土橋, 宜典
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 近年，都市部における光害が深刻化しており，天体観測や生態系への影響が懸念されている．光害対策には，人工光源の影響を可視化する技術が重要となる．しかし，人工光源を含む夜空のレンダリングは，光源の数や位置，明るさが多様であること，大気中の多重散乱を考慮する必要があることから，計算コストが非常に高い．本研究では，単一の人工光源によって生じる多重散乱光の計算に機械学習を適用する手法について検討する．まず，物理ベースレンダラ Mitsuba3 を用いて，様々なパラメータ（光源の高さ，視点の高さ，視点と光源の距離）での点光源で照射された夜空のパノラマ画像を生成する．次に，生成された画像を正規化およびガンマ補正し，深層学習モデルに学習させる．学習モデルには，入力層・隠れ層・出力層からなる全結合ニューラルネットワークを用い，隠れ層の構造はベイズ最適化によって決定する．実験の結果，精度よく学習できることが示された．また，ベイズ最適化によって決定したモデルは良好な結果を示した．本手法は，光害対策のためのシミュレーションや，夜空を含む景観設計など，様々な応用が期待される． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | In recent years, light pollution in urban areas has become increasingly serious, and there are concerns about its effects on astronomical observations and ecosystems. Visualization of the effects of artificial light sources is important to prevent light pollution. However, rendering of the night sky including artificial light sources is computationally very expensive because the number, location, and brightness of light sources vary widely, and multiple scattering in the atmosphere must be taken into account. In this study, we investigate a method to apply machine learning to the calculation of multiple scattered light produced by a single artificial light source. First, a panoramic image of the night sky illuminated by a point light source with various parameters (light source height, viewpoint height, and distance between viewpoint and light source) is generated using the physics-based renderer, Mitsuba3. The generated images are then normalized and gamma-corrected, and trained into a deep learning model. A fully-connected neural network, consisting of input, hidden, and output layers, is used as the learning model, and the structure of the hidden layers is determined by Bayesian optimization. Experimental results show that the model can learn with high accuracy. The model determined by Bayesian optimization showed good results. This method is expected to have various applications, such as simulation for light pollution control and landscape design including night sky. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10100541 | |||||||||
| 書誌情報 |
研究報告コンピュータグラフィックスとビジュアル情報学（CG） 巻 2024-CG-195, 号 6, p. 1-6, 発行日 2024-09-02 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8949 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
