【学会誌】機械学習を用いた反射特性データの高分解能化
こんにちは。
『表面技術』2023年11月号を読んでいます。もう1月ですが…
読んだ記事について、気になった部分やポイントをメモしておきたいと思います。
今回読んだ記事のタイトルは「機械学習を用いたBRDF測定データの補間手法」で著者は静岡大学の田代さんです。
内容
物体表面における光の反射特性に関して、その測定データを高分解能化する技術に関する紹介です。
一般的な反射特性として双方向反射率分布関数（BRDF）というものがあるそうですが、これがどのくらい正確に設定できているかによって光学シミュレーションの精度に大きくかかわってくるようです。
BRDFには理論的なモデルも多数あるようですが、現実の複雑構造を表現しようとするのは難しいようで、実際には実測したものを使用することが多いようです。
BRDFを測定しようとすると、発光素子と受光素子を準備して、受光素子を測定物(反射対象物)に対して半球面上で動かしながら、どの方向にどの程度反射するかを測定していきます。
受光素子を動かしながら一点ずつ測定していくので、精度を上げるほど測定点が増えてしまうので、時間的あるいは工数的に制限が発生してしまいます。
そこで、機械学習を使って、少ない測定点から高精度の測定結果を生成しようというのが、本記事の取り組みです。測定点同士の間を埋めるイメージですかね。
内容的には、「できました！」という記事なのと、この分野の理解が不十分すぎて現時点ではメモする内容はありませんでした。
ただ、この検討の方法や流れは参考になりそうなので、将来の私が何かに活用出来たらいいな、と思います。
今日は以上です。