Современные автомобильные краски имеют сложную структуру, и моделирование их оптических свойств является достаточно сложной задачей. Обратная задача – подбор состава краски по ее внешнему виду – наиболее востребована в практическом применении. В статье проанализированы недостатки популярных математических методов, в т.ч. использованных ранее авторами, и предложен гибридный подход на основе глубокого обучения нейронной сети и моделирования распространения света в многослойной краске. Нейросетевой алгоритм хорошо решает задачу для пигментов и красок, на которых он обучен, но неустойчив для новых пигментов. В этом случае моделирование краски помогает найти приемлемый результат. Математическая модель здесь доставляет лишь функциональную форму уравнений в вариациях, а величины всех функций получаются измерениями. Этих измерений немного, и они сводятся в библиотеку пигментов для дальнейшего использования.

моделирование распространения света, рассеяние света частицами, краски, BRDF, измерения, минимизация отклонения, метод сложения-удвоения

Математическое моделирование в актуальных проблемах науки и техники

Поздняков Сергей Георгиевич,  ,  orcid.org/0000-0003-2090-8035,  ИПМ им. М.В. Келдыша РАН

Ершов Сергей Валентинович,  ,  orcid.org/0000-0002-5493-1076,  ИПМ им. М.В. Келдыша РАН

Волобой Алексей Геннадьевич,  ,  orcid.org/0000-0003-1252-8294,  ИПМ им. М.В. Келдыша РАН