Institutsseminar/2019-01-11: Unterschied zwischen den Versionen
(Die Seite wurde neu angelegt: „{{Termin |datum=2019/01/11 11:30:00 |raum=Raum 348 (Gebäude 50.34) }}“) |
(kein Unterschied)
|
Aktuelle Version vom 19. Juni 2018, 12:18 Uhr
| Datum | Freitag, 11. Januar 2019 | |
|---|---|---|
| Uhrzeit | 11:30 – 12:15 Uhr (Dauer: 45 min) | |
| Ort | Raum 348 (Gebäude 50.34) | |
| Prüfer/in | ||
| Webkonferenz | ||
| Vorheriger Termin | Fr 21. Dezember 2018 | |
| Nächster Termin | Fr 18. Januar 2019 |
Termin in Kalender importieren: iCal (Download)
Vorträge
| Vortragende(r) | Timo Kopf |
|---|---|
| Vortragstyp | Masterarbeit |
| Betreuer(in) | Philip Pfaffe |
| Vortragssprache | |
| Vortragsmodus | |
| Kurzfassung | Raytracing ist ein rechenintensives Verfahren zur Erzeugung photorealistischer Bilder. Durch die automatische Optimierung von Parametern, die Einfluss auf die Rechenzeit haben, kann die Erzeugung von Bildern beschleunigt werden. Im Rahmen der vorliegenden Arbeit wurde der Auto-Tuner libtuning um ein generalisiertes Reinforcement Learning-Verfahren erweitert, das in der Lage ist, bestimmte Charakteristika der zu zeichnenden Frames bei der Auswahl geeigneter Parameterkonfigurationen zu berücksichtigen. Die hierfür eingesetzte Strategie ist eine ε-gierige Strategie, die für die Exploration das Nelder-Mead-Verfahren zur Funktionsminimierung aus libtuning verwendet. Es konnte gezeigt werden, dass ein Beschleunigung von bis zu 7,7 % in Bezug auf die gesamte Rechenzeit eines Raytracing-Anwendungsszenarios dieser Implementierung gegenüber der Verwendung von libtuning erzielt werden konnte. |
- Neuen Vortrag erstellen