权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

機械学習によるBRDFの高分解能化手法の開発

使用机器学习开发 BRDF 高分辨率方法

基本信息

批准号：
22K17923
负责人：
田代知範
金额：
$ 3万
依托单位：
Industrial Research Institute of Shizuoka Prefecture
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17923/
关键词：
BRDF 機械学習データセット変角分光測定高分解能化

项目摘要

本研究では，機械学習を用いて低分解能な反射特性データから高分解能な反射特性データの生成を行うことを目的としている．研究初年度である令和４年度の計画は，実測データを収集し，機械学習で用いるデータセットを構築することである．まず，機械学習で用いるデータセットを構築するために，実際に反射特性を測定する試験片の準備を行った．一つ目の試料カテゴリである薄膜干渉による構造色を有する試験片として陽極酸化処理を施したチタン板を用意し，研究所が所有する専用の測定機により変角分光測定を行い各試験片の反射特性データの取得を行った．入射角は0度～80度の範囲を5度間隔で，反射角は0度～±80度の範囲を5度間隔でそれぞれ調整し，反射特性データの測定を行った．この試料カテゴリでは，表面形状の違いを含め47種類の試験片測定データを取得した．次に，その他の試料カテゴリとしてカッティングシートを加工した測定試験片を作成し，同様の角度条件で変角分光測定を行い反射特性データの取得を行った．様々な素材カテゴリからシートの選択を行い，計102種類の試験片測定データを取得した．引き続き，得られた測定データを学習データセットとした，高分解能化ネットワークの構築に取り組む予定である．また，学習データセットにおいて反射特性パターンに偏りが生じている場合，学習結果に影響を与える可能性が高いため，反射特性パターンに偏りが生じないように様々な試験片の測定データの収集を続ける．さらに，学習データ数が多い程学習の精度向上につながるため，データセットへのデータの蓄積は継続し行う予定である．

In this study, mechanical learning is used to study the reflection characteristics of low resolution energy and high resolution energy. In the first year and the fourth year of the study, the plan is to collect the data and construct the data. The preparation of the test piece for mechanical learning The structural color of a thin film sample was determined by using an anodized sample plate. The reflection characteristics of each sample plate were obtained by using an angular spectrometer. The angle of incidence is 0 ° ~80 ° and the range is 5 °. The reflection characteristics are measured at intervals of 0 ° ~±80 ° and 5 °. The sample size was determined by measuring the surface shape of the sample, including 47 types of samples. In addition, other samples were processed to obtain the reflection characteristics under the same angular conditions. A total of 102 types of test films were obtained from the selection of materials. The high resolution energy-efficient building method is used to determine the structure of the system. In the case where the learning result has a high probability of influence, the reflection characteristic is biased, and the collection of the test piece is determined. In addition, the number of learning data is increased by the accuracy of multi-process learning.