泊松分布 (Poisson-Disc)算法

简介: 泊松分布 (Poisson-Disc)算法

Poisson-Disc 算法介绍

image.png

1. 红点代表 “活跃” 的样本。在每次迭代中,从该组的所有活跃样本中随机地选择一个样本。接着在样本周围的环形区域内随机产生新的候选样本(如动画中黑圈白底的点),最多产生 k 次。


2. 环带的半径范围为 (r, 2r),其中 r 是任意两个样本之间的最小允许距离。如果产生的新候选样本落在了现有样本半径为 r 的范围内(即动画中的灰色禁区)将被拒绝,与现有的样本相连的黑色线表示新候选点太靠近现有样本点。如果候选样本点满足以上条件并被接受(即和周围的现有样本点距离大于等于 r ),它将被作为新的活跃样本(红色)。


3. 如果第 k 个候选样本点仍然是是不可接受的,那么所选择的“活跃”样本点将被标记为无效(非活性),将不再用于产生候选样本点。非活性的样本点用黑色表示。


当没有样本保持活跃,算法结束。



【尺寸为  的背景网格是用来加速每个候选的距离检查。因为每个小格只能包含至多一个样本,所以只需要检查固定数目的相邻小格即可】


目录
相关文章
|
10月前
R语言stan泊松回归Poisson regression
R语言stan泊松回归Poisson regression
|
机器学习/深度学习 搜索推荐
高斯-马尔科夫定理(Gauss-Markov theorem)
高斯-马尔科夫定理(Gauss-Markov theorem),也称为高斯-马尔科夫定理(Gauss-Markov theorem)或线性最小二乘定理(linear least squares theorem),是统计学中一个重要的定理,它描述了在一些假设条件下,普通最小二乘估计(Ordinary Least Squares, OLS)是线性回归模型中最优的无偏估计。
455 0
|
10月前
R语言实现偏最小二乘回归法 partial least squares (PLS)回归
R语言实现偏最小二乘回归法 partial least squares (PLS)回归
|
机器学习/深度学习 传感器 算法
指数分布优化算法Exponential distribution optimizer(EDO)附matlab代码
指数分布优化算法Exponential distribution optimizer(EDO)附matlab代码
|
机器学习/深度学习 存储 算法
YOLOv5的Tricks | 【Trick7】指数移动平均(Exponential Moving Average,EMA)
这篇博客主要用于整理网上对EMA(指数移动平均)的介绍,在yolov5代码中也使用了这个技巧,现对其进行归纳。
1886 1
YOLOv5的Tricks | 【Trick7】指数移动平均(Exponential Moving Average,EMA)
|
机器学习/深度学习
【欧拉计划第 6 题】和的平方与平方的和差值 Sum square difference
【欧拉计划第 6 题】和的平方与平方的和差值 Sum square difference
175 0
【1105】Spiral Matrix (25分)【螺旋矩阵】
【1105】Spiral Matrix (25分)【螺旋矩阵】 【1105】Spiral Matrix (25分)【螺旋矩阵】
132 0
|
移动开发 算法 搜索推荐
推荐系列(四):矩阵分解|Matrix Factorization
简单讲解推荐系统中的矩阵分解
3521 0
|
人工智能 算法 BI
三对角线性方程组(tridiagonal systems of equations)的求解
三对角线性方程组(tridiagonal systems of equations)   三对角线性方程组,对于熟悉数值分析的同学来说,并不陌生,它经常出现在微分方程的数值求解和三次样条函数的插值问题中。
1754 0