Key points are not available for this paper at this time.
Dieses Papier befasst sich mit dem Problem, zufällige Proben über die Oberfläche eines 3D-Netzes zu nehmen und bewertet effiziente Algorithmen zur Erzeugung unterschiedlicher Verteilungen. Zunächst diskutieren wir das Problem, eine Monte-Carlo-Verteilung auf effiziente und praktische Weise zu generieren und dabei häufige Fallstricke zu vermeiden. Dann schlagen wir das Constraint-Poisson-Sampling vor, ein neues Poisson-Disk-Sampling-Schema für polygonale Netze, das leicht angepasst werden kann, um benutzerdefinierte Punktmengen wie Wichtigkeits-Sampling oder Verteilungen mit allgemeinen geometrischen Einschränkungen zu erzeugen. Insbesondere werden zwei Algorithmen auf der Grundlage dieses Ansatzes vorgestellt. Eine eingehende Analyse der Frequenzcharakterisierung und der Leistung der vorgeschlagenen Algorithmen wird ebenfalls präsentiert und diskutiert.
Corsini et al. (Wed,) haben diese Frage untersucht.