moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2025.50.3.028 1984 Модель рендер-конвейера как динамический многомерный квадратичный рюкзак с нечеткой нейросетевой моделью оценки предпочтений пользователя A rendering pipeline model as a quadratic knapsack problem with multiple knapsack constraints and a fuzzy neural network model for user preference evaluation 0000-0002-2218-538X Фарафонов Максим Михайлович Farafonov Maxim Mikhailovich mfarafonov@sfu-kras.ru aff-1 0000-0001-7631-4901 Мымликов Владислав Николаевич Mymlikov Vladislav Nikolaevich vmymlikov-ki21@stud.sfu-kras.ru aff-2 0000-0002-5976-5847 Антамошкин Олеслав Александрович Antamoshkin Oleslav Alexandrovich oantamoskin@sfu-kras.ru aff-3 Сибирский федеральный университет Siberian Federal University Сибирский федеральный университет Siberian Federal University Сибирский федеральный университет Siberian Federal University 01 01 2026 1 1 10.26102/2310-6018/2025.50.3.028 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Современная компьютерная графика предлагает множество различных визуальных эффектов для обработки трехмерных сцен в процессе рендеринга. Тяготы вычисления этих графических эффектов ложатся на пользовательское аппаратное обеспечение, что приводит к необходимости идти на компромисс между производительностью и качеством изображения. В связи с этим актуальной становится разработка систем, способных в автоматическом режиме осуществлять оценку качества трехмерного рендера и изображений в целом. Актуальность данной темы выражается в двух направлениях. Во-первых, возможность предсказывать реакцию пользователей позволит производить более точную настройку графических приложений. Во-вторых, понимание предпочтений может помочь в оптимизации трехмерных сцен путем выявления визуальных эффектов, которые могут быть отключены. В более широком смысле это также создает проблему оптимального управления процессом рендера, при котором станет возможным максимально эффективно использовать наличные аппаратные возможности. Потому значимой задачей становится моделирование процесса рендера трехмерной графики в такой форме, при которой будет максимально просто заниматься ее оптимизацией. Целью настоящего исследования является создание такой модели, которая позволит выполнять этап экспертной оценки для автоматического определения качества трехмерного рендера и использовать его для оптимального управления рендер-конвейером. Также обсуждается ряд важных вопросов, которые требуют особого внимания в рамках исследования. Круг применения разрабатываемой системы включает в себя различные сферы человеческой деятельности, в которых задействовано трехмерное моделирование. Подобная система может стать полезным инструментов как для разработчиков, так и для пользователей, что особенно важно в образовании, разработке видеоигр, технологиях виртуальной реальности и др., где требуется моделировать реалистичные объекты или визуализировать сложные процессы.

Modern computer graphics offers many different visual effects for processing three-dimensional scenes during rendering. The burden of calculating these graphic effects falls on the user hardware, which leads to the need to compromise between performance and image quality. In this regard, the development of systems capable of automatically assessing the quality of three-dimensional rendering and images in general becomes relevant. The relevance of this topic is expressed in two directions. First, the ability to predict user reactions will allow for more accurate customization of graphic applications. Second, understanding preferences can help in optimizing 3D scenes by identifying visual effects that can be disabled. In a broader sense, this also poses the challenge of optimally managing the rendering process so that it becomes possible to maximize the use of available hardware capabilities. Therefore, it becomes a significant task to model the process of rendering 3D graphics in such a form, in which it will be as simple as possible to deal with its optimization. The purpose of this study is to create such a model, which will allow to perform the stage of expert evaluation to automatically determine the quality of three-dimensional rendering and use it for optimal control of the rendering pipeline. A number of important issues that require special attention in the research are also discussed. The range of applications of the developed system includes various spheres of human activity involving three-dimensional modeling. Such a system can become a useful tool for both developers and users, which is especially important in education, video game development, virtual reality technologies, etc., where it is necessary to model realistic objects or visualize complex processes.

 задача о квадратичном рюкзаке многомерная задача о рюкзаке искусственные нейронные сети трехмерный рендеринг анализ предпочтений пользователей визуальная оценка качества технологии будущего quadratic knapsack problem multidimensional knapsack problem artificial neural networks three-dimensional rendering user preference analysis visual quality assessment future technologies Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Costa C.J., Aparicio J.T., Aparicio M., Aparicio S. Gamification and AI: Enhancing User Engagement through Intelligent Systems. arXiv. URL: https://doi.org/10.48550/arXiv.2411.10462 [Accessed 13th May 2025]. Koulaxidis G., Xinogalos S. Improving Mobile Game Performance with Basic Optimization Techniques in Unity. Modelling. 2022;3(2):201–223. https://doi.org/10.3390/modelling3020014 Luna F.D. Introduction to 3D Game Programming with DirectX 12. Dulles: Mercury Learning and Information; 2016. 900 p. Castorina M., Sassone G. Mastering Graphics Programming with Vulkan: Develop a Modern Rendering Engine from First Principles to State-Of-the-Art Techniques. Birmingham: Packt Publishing Ltd.; 2023. 382 p. Akenine-Möller T., Haines E., Hoffman N. Real-Time Rendering. Boca Raton: CRC Press; 2019. 1045 p. Antamoshkin O.A., Bryukhanova E.R., Antamoshkina V.O., Pikov N.O., Kukartsev V.V., Tynchenko V.V. Implementation of the Wölfflin Formal Statistical Analysis Method Using Fuzzy Logic. In: Journal of Physics: Conference Series: International Scientific Conference "Conference on Applied Physics, Information Technologies and Engineering – APITECH-2019": Volume 1399: Issue 3, 25–27 September 2019, Krasnoyarsk, Russia. Institute of Physics and IOP Publishing Limited; 2019. http://doi.org/10.1088/1742-6596/1399/3/033103 Мымликов В.Н., Антамошкин О.А., Фарафонов М.М. Формализация задачи оптимизации рендера компьютерной трехмерной графики как вариант многомерной задачи о рюкзаке. Моделирование, оптимизация и информационные технологии. 2024;12(3). https://doi.org/10.26102/2310-6018/2024.46.3.014 Cacchiani V., Iori M., Locatelli A., Martello S. Knapsack Problems – An Overview of Recent Advances. Part II: Multiple, Multidimensional, and Quadratic Knapsack Problems. Computers & Operations Research. 2022;143. https://doi.org/10.1016/j.cor.2021.105693 Wang H., Kochenberger G., Glover F. A Computational Study on the Quadratic Knapsack Problem with Multiple Constraints. Computers & Operations Research. 2012;39(1):3–11. https://doi.org/10.1016/j.cor.2010.12.017 Cacchiani V., Iori M., Locatelli A., Martello S. Knapsack Problems – An Overview of Recent Advances. Part I: Single Knapsack Problems. Computers & Operations Research. 2022;143. https://doi.org/10.1016/j.cor.2021.105692 Vaswani A., Shazeer N., Parmar N., et al. Attention Is All You Need. In: Advances in Neural Information Processing Systems 30: Annual Conference on Neural Information Processing Systems 2017, 04–09 December 2017, Long Beach, CA, USA. 2017. P. 5998–6008. https://doi.org/10.48550/arXiv.1706.03762 Nomer H.A.A., Alnowibet Kh.A., Elsayed A., Mohamed A.W. Neural Knapsack: A Neural Network Based Solver for the Knapsack Problem. IEEE Access. 2020;8:224200–224210. https://doi.org/10.1109/ACCESS.2020.3044005 Zhou Yi., Kuang Zh., Wang J. A Chaotic Neural Network Combined Heuristic Strategy for Multidimensional Knapsack Problem. In: Advances in Computation and Intelligence: Third International Symposium on Intelligence Computation and Applications, ISICA 2008: Proceedings, 19–21 December 2008, Wuhan, China. Berlin, Heidelberg: Springer; 2008. P. 715–722. https://doi.org/10.1007/978-3-540-92137-0_78 Afshar R.R., Zhang Yi., Firat M., Kaymak U. A State Aggregation Approach for Solving Knapsack Problem with Deep Reinforcement Learning. In: Proceedings of the 12th Asian Conference on Machine Learning, ACML 2020: Volume 129, 18–20 November 2020, Bangkok, Thailand. PMLR; 2020. P. 81–96. https://doi.org/10.48550/arXiv.2004.12117 Liu Z., Lin Yu., Cao Yu., et al. Swin Transformer: Hierarchical Vision Transformer Using Shifted Windows. In: 2021 IEEE/CVF International Conference on Computer Vision (ICCV), 10–17 October 2021, Montreal, QC, Canada. IEEE; 2021. P. 9992–10002. https://doi.org/10.1109/ICCV48922.2021.00986 Kim H., Yim Ch. Swin Transformer Fusion Network for Image Quality Assessment. IEEE Access. 2024;12:57741–57754. https://doi.org/10.1109/ACCESS.2024.3378092 Hu Zh., Yang G., Du Zh., Huang X., Zhang P., Liu D. No-Reference Image Quality Assessment Based on Global Awareness. PLoS ONE. 2024;19(10). https://doi.org/10.1371/journal.pone.0310206 Golestaneh S.A., Dadsetan S., Kitani K.M. No-Reference Image Quality Assessment via Transformers, Relative Ranking, and Self-Consistency. In: 2022 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 03–08 January 2022, Waikoloa, HI, USA. IEEE; 2022. P. 3989–3999. https://doi.org/10.1109/WACV51458.2022.00404 He T., Shi L., Xu W., Wang Yu, Qiu W., Guo H. From Pixels to Rich-Nodes: A Cognition-Inspired Framework for Blind Image Quality Assessment. IEEE Transactions on Broadcasting. 2025;71(1):229–239. https://doi.org/10.1109/TBC.2024.3464418 Грачева М.А., Божкова В.П., Казакова А.А., Рожкова Г.И. Субъективная оценка качества статических и видеоизображений: методологический обзор. Сенсорные системы. 2019;33(4):287–304. https://doi.org/10.1134/S0235009219040036 Peresunko P., Mamatin D., Antamoshkin O., Peresunko E., Nikitin A. Models of Experts for Shaders Estimation of Rendering Complex 3D Scenes in Real Time. In: 2021 3rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA), 10–12 November 2021, Lipetsk, Russia. IEEE; 2021. P. 895–897. https://doi.org/10.1109/SUMMA53307.2021.9632071

The authors declare that there are no conflicts of interest present.