Gauche:MetropolisProceduralModeling

Shiro(2012/01/03 08:43:15 UTC): 昨年のSIGGRAPHで見たこの論文が気になってたので、 2012年の書き初めとして、勉強のために大筋のところを実装してみた。

• Jerry O. Talton, et al., Metropolis Procedural Modeling, ACM Trans. Graph. 30(2).

論文pdfは著者のウェブページ http://www.jerrytalton.net/research/ からもダウンロードできる。

著者はソフトウェアも公開しているので、論文に載っているような美麗なグラフィクスを作りたければそちらを使うのが手っ取り早いだろう。ここのメモはあくまで、段階を追って理解することが目的。

この論文の要点は、Reversible Jump Markov chain Monte Carlo (RJMCMC) を「確率付き文脈自由文法を使ったモデル生成」に適用することで、望むターゲットに合うようなモデルを生成できますよ、というもの。生成モデルが確率付き文脈自由文法であれば何でも応用できるってのが超強力。

で、RJMCMCどころかMCMCさえよくわかってなかったので、基本から1ステップづつ勉強。

1. Gauche:MetropolisProceduralModeling:MCMC-1D: MCMCとは何ぞや、ってところと、簡単な1次元でのサンプル。
2. Gauche:MetropolisProceduralModeling:MCMC-2D: 1次元ではtrivialすぎて有難味がよくわからないので、2次元にしてみた
3. Gauche:MetropolisProceduralModeling:MCMC-fit: パラメータフィッティングにMCMCを使ってみた。
4. Gauche:MetropolisProceduralModeling:RJMCMC-fit: パラメータフィッティングのMCMCにjumpを組み込んでRJMCMCにしてみた。
5. Gauche:MetropolisProceduralModeling:MPM: Taltonの論文の基本アルゴリズムを単純な2Dモデルに適用してみた。

コード置き場 https://github.com/shirok/mpm-experiment

Tag: CG