De volgende computergegenereerde dieren in King Kong of The Lion King zouden er een stuk realistischer uit kunnen zien dankzij een doorbraak van computerwetenschappers van de Universiteit van Californië.

De onderzoekers van UC San Diego en UC Berkeley ontwikkelden een methode die de manier waarop computers bont simuleren drastisch verbetert, en meer specifiek, de manier waarop licht weerkaatst in de vacht van een dier.

Het team presenteerde onlangs hun bevindingen op de SIGGRAPH Asia-conferentie in Thailand.

"Ons model genereert veel nauwkeurigere simulaties en is 10 keer sneller dan de stand van de techniek, " zei Ravi Ramamoorthi, een van de senior auteurs van het artikel en de directeur van het Center for Visual Computing aan de UC San Diego.

De methode kan op alles worden toegepast, van videogames, tot door de computer gegenereerde speciale effecten, tot computeranimatiefilms.

Een probleem met bestaande modellen is dat ze zijn ontworpen om computergegenereerd haar te creëren, en werken niet goed voor bont. Dat komt omdat de meeste van deze modellen geen rekening houden met de centrale cilinder, of medulla, aanwezig in elke pelsvezel. De medulla in pels is veel groter dan in mensenhaar en de doorgang van licht en de verstrooiing ervan door die cilinder is erg belangrijk voor het uiterlijk van de vacht. Tot dusver, de meeste onderzoekers hebben de medulla genegeerd en modellen gebouwd die een lichtstraal volgen terwijl deze van de ene pelsvezel naar de andere stuitert. Als resultaat, bestaande modellen vergen een enorme hoeveelheid rekenkracht en zijn zowel duur als traag.

Daarentegen, de onderzoekers van UC San Diego en UC Berkeley gebruikten een concept genaamd ondergrondse verstrooiing om snel te benaderen hoe licht rond pelsvezels stuitert. Eigenlijk, ondergrondse verstrooiing beschrijft hoe licht het oppervlak van een doorschijnend object binnenkomt, zoals haar of vacht, op een bepaald moment; verstrooit onder verschillende hoeken; interageert met het materiaal van het object; en verlaat het object vervolgens op een ander punt. Dit concept is goed begrepen en wordt vaak gebruikt in simulaties op het gebied van computergraphics en computervisie.

In het echte leven, je kunt de verstrooiing onder het oppervlak waarnemen door de zaklamp van je smartphone aan te zetten en deze met je vinger te bedekken in een kamer waar de lichten zijn gedimd. Je zult een ring van licht zien, omdat het licht door je vinger is binnengekomen, naar binnen gestrooid en weer naar buiten gegaan. (Het licht is rood omdat het niet door het lichaam wordt opgenomen, in tegenstelling tot groen en blauw licht.)

Om de eigenschappen van ondergrondse verstrooiing op pelsvezels toe te passen, onderzoekers gebruikten een neuraal netwerk.

"We zetten de eigenschappen van ondergrondse verstrooiing om in pelsvezels, " zei promovendus Ling-Qi Yan, van UC Berkeley, die aan de studie werkte onder leiding van UC San Diego computerwetenschappen professoren Ravi Ramamoorthi en Henrik Wann Jensen. "Er is geen expliciete fysieke of wiskundige manier om deze conversie uit te voeren. Dus moesten we een neuraal netwerk gebruiken om deze twee verschillende werelden met elkaar te verbinden."

Het neurale netwerk hoefde slechts met één scène te worden getraind voordat het ondergrondse verstrooiing kon toepassen op alle verschillende scènes die het werd gepresenteerd. Dit resulteerde in simulaties die 10 keer sneller liepen dan de stand van de techniek.

Het resulterende algoritme werkt net zo goed voor bont als voor haar. Inderdaad, het uiterlijk van mensenhaar dat met de nieuwe methode wordt weergegeven, is realistischer.

De volgende stappen omvatten het gebruik van de methode voor realtime vacht- en haarweergave.