13.07.2015 Views

Capítulo X: Introducción

Capítulo X: Introducción

Capítulo X: Introducción

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Error E(S)Editando TFError E(S)Moviendo PICapítulo 7: Implementación y Pruebas7.3.6 Algoritmos de SelecciónEn este conjunto de pruebas se pretende comparar el error de losdistintos algoritmos de selección, tanto los no incrementales, comoincrementales. Para ello, el punto de interés es movido aleatoriamentedentro del volumen durante 100 frames. Adicionalmente, se hace otraprueba modificando los puntos de control de la función de transferenciadurante otros 100 frames, modificando alguna de las componentes RGBAdel 30% de los puntos de control.El algoritmo óptimo basado en programación dinámica es aún costosocomputacionalmente para valores grandes de N, por lo que se tiene quereducir el uso de la memoria de textura para completar la prueba en untiempo razonable. El tamaño de la memoria de textura seleccionado varíapor cada dataset: 10MB para VFCT, 20MB para ANCT, 40MB para IE, y80MB para VF8b.Dataset(Memoria de textura)VFCT(10MB)ANCT(20MB)IE(40MB)VF8b(80MB)(a) Original 1,4428 1,3982 9,8849 0,0450(b) Mejorado 1,3988 1,3608 9,1839 0,0447(c) Optimo 1,3967 1,3598 9,1687 0,0447(b) vs. (a) 3,05% 2,67% 7,09% 0,69%(c) vs. (a) 3,20% 2,75% 7,25% 0,75%(c) vs. (b) 0,16% 0,08% 0,16% 0,05%(a) Original 5,5929 4,3251 25,8419 3,0308(b) Mejorado 5,4458 4,2660 22,4131 3,0038(c) optimo 5,4433 4,2636 21,9592 3,0033(b) vs. (a) 2,63% 1,37% 13,27% 0,89%(c) vs. (a) 2,68% 1,42% 15,02% 0,1%(c) vs. (b) 0,05% 0,06% 2,03% 0,02%Tabla 7.10: comparando el error E(S) para 3 algoritmos de selección no incrementales.Para los algoritmos voraces no incrementales se utilizan dos versiones: laversión original que selecciona el nodo de mayor error para refinar(utilizando E(b)=D(b)I(b)), y la versión mejorada que seleccionar el nodocon mayor reducción del error por hijo (utilizando ER(b) –ver Ec. 3.12–).En las pruebas (ver tabla 7.10), el error del algoritmo voraz original eshasta 3% mayor que los el de los algoritmos voraz mejorado y óptimo,para funciones de transferencias sencillas utilizadas comúnmente endata médica (VFCT, ANCT y VF8b). Sin embargo, para IE que utiliza unafunción de transferencia con altas frecuencias, el error global delalgoritmo voraz original es de hasta 15% mayor. La diferencia entre elerror del algoritmo óptimo y el algoritmo voraz mejorado es pequeña(generalmente inferior a 0.2%), demostrando que este último tieneresultados cercanos al óptimo. Sin embargo, los algoritmos voraces sólo-124-

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!