Full metadata record
DC poleHodnotaJazyk
dc.contributor.authorHromádková, Věra
dc.contributor.authorKolingerová, Ivana
dc.contributor.authorVaněček, Petr
dc.date.accessioned2019-11-11T11:00:21Z-
dc.date.available2019-11-11T11:00:21Z-
dc.date.issued2019
dc.identifier.citationPSUTKA, J., PSUTKA, J. Sample Size for Maximum-Likelihood Estimates of Gaussian Model Depending on Dimensionality of Pattern Space. Pattern recognition, 2019, roč. 91, č. July 2019, s. 25-33. ISSN 0031-3203.en
dc.identifier.issn2184-4321
dc.identifier.uri2-s2.0-85061702496
dc.identifier.urihttp://hdl.handle.net/11025/35851
dc.description.abstractSimulace eroze je důležitým problémem v oblasti počítačové grafiky. Nejvýznamnějšími erozními procesy v přírodě jsou zvětrávání a hydraulická eroze. Mnoho metod řeší tyto problémy, ale jsou většinou založeny na výškových mapách nebo objemových datech. Výškové mapy neumožňují simulaci komplexních plně 3D scén, zatímco objemová data mají vysoké nároky na paměť. Navrhujeme sjednocený přístup pro zvětrávání a hydraulickou erozi pracující přímo na trojúhelníkových sítích, což zjednodušuje použití metody v široké škále scénářů. Bereme v úvahu fakt, že rychlost eroze v přírodě je ovlivněna lokálním tvarem erodovaného objektu. Pro odhad rychlosti eroze používáme odhad průměrné křivosti, což má za následek vizuálně věrohodnou simulaci erozních procesů. Výsledky metody demonstrujeme na umělých 3D modelech i na reálných datech.cs
dc.format8 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherElsevieren
dc.relation.ispartofseriesPattern Recognitionen
dc.rightsPlný text není přístupný.cs
dc.rights© Elsevieren
dc.subjectSimulace erozecs
dc.subjecthydraulická erozecs
dc.subjectdeformace sítěcs
dc.subjectzvětrávánícs
dc.titleA unified curvature-driven approach for weathering and hydraulic erosion simulation on triangular meshesen
dc.title.alternativeJednotný přístup pro simulaci zvětrávání a hydraulické eroze na trojúhelníkových sítích založený na křivostechcs
dc.typepreprintcs
dc.typečlánekcs
dc.typepreprinten
dc.typearticleen
dc.rights.accessclosedAccessen
dc.type.versionpublishedVersionen
dc.type.versiondraften
dc.description.abstract-translatedThe significant properties of the maximum likelihood (ML) estimate are consistency, normality, and efficiency. While it has been proven that these properties are valid when the sample size approaches infinity, the behavior of an ML estimator when working with small sample sizes is largely unknown. However, in real tasks, we usually do not have sufficient data to completely fulfill the conditions of an optimal ML estimate. The question arises as to what amount of data is required to be able to estimate a Gaussian model that provides sufficiently accurate likelihood estimates. This issue is addressed with respect to the number of dimensions of the pattern space.en
dc.subject.translatedErosion Simulationen
dc.subject.translatedHydraulic Erosionen
dc.subject.translatedMesh Deformationen
dc.subject.translatedWeatheringen
dc.identifier.doi10.5220/0007566401220133
dc.type.statusPeer-revieweden
dc.identifier.obd43926684
dc.project.IDGBP103/12/G084/Centrum pro multi-modální interpretaci dat velkého rozsahucs
Vyskytuje se v kolekcích:Preprinty / Preprints (NTIS)
Články / Articles (NTIS)
Preprinty / Preprints (KKY)
Články / Articles (KKY)
OBD

Soubory připojené k záznamu:
Soubor VelikostFormát 
Skorkovská GRAPP_2019_41_final_pdf_pdf.mht.pdf19,25 MBAdobe PDFZobrazit/otevřít  Vyžádat kopii
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/35851

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Publikační činnost / Publications
  3. OBD