機械学習によるBRDFの高分解能化手法の開発

点击翻译按钮获取中文摘要

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．