Selection of a tracking method for a virtual fitting room using the hierarchy analysis method

Author(s) Collection number Pages Download abstract Download full text
Кунанець Н. Е., Кондра А. І. № 2 (71) 33-53 Image Image

У статті здійснено порівняльний аналіз растрових і векторних зображень з огляду на сучасні тенденцій розвитку комп’ютерної графіки. Актуальність дослідження зумовлена стрімким розвитком цифрових технологій, потребою у підвищенні якості візуалізації та оптимізації зберігання графічних даних у різних галузях. Визначено ключові відмінності між цими двома видами графіки за низкою критеріїв, що охоплюють ефективність зберігання, якість при масштабуванні, точність передачі кольору, деталізацію текстур, простоту редагування та типові сфери застосування. Розглянуто принципи формування зображень, базові елементи та закономірності відтворення графічної інформації у цифровому середовищі. Особливу увагу приділено питанням практичного застосування різних типів графіки. Проведене експериментальне порівняння ста зображень (п’ятдесяти растрових та п’ятдесяти векторних) продемонструвало чіткі переваги векторної графіки щодо масштабованості, чіткості контурів і компактності файлів, тоді як растрові зображення зберігають провідні позиції у відтворенні фотореалістичних сцен і плавних колірних переходів. Використано метод експертного оцінювання ілюстративної інформації. Результати опрацювання представлено у вигляді гістограми. Вказано на зростання популярності комбінованих рішень, у яких растрові та векторні елементи використовуються одночасно. Такий підхід дає змогу поєднувати реалістичність растрових структур із точністю та масштабованістю векторних об’єктів і створити єдине інтегроване середовище для розроблення графічних проєктів. Результати дослідження мають практичну цінність для розробників програмного забезпечення, дизайнерів та інженерів, що пра­цюють із графічними системами, а також для вдосконалення навчальних кур­сів із комп’ютерної графіки.

Ключові слова: растрова графіка, векторна графіка, комп’ютерна графіка, зображення, порівняльний аналіз, експертне оцінювання.

doi: 10.32403/1998-6912-2025-2-71-26-32


  • 1. Chakraborty S. et al. Image vectorization via gradient reconstruction. Computer Graphics Forum. 2025, e70055.
  • 2. Xia X., Zhang T., Heitzler M., Hurni L. Vectorizing historical maps with topological consistency: A hybrid approach using transformers and contour-based instance segmentation. International Journal of Applied Earth Observation and Geoinformation. 2024. № 129, 103837.
  • 3. Hemanand D., Bhavani N. P. G., Ayub S., Ahmad M. W., Narayanan S., Haldorai A. Multilayer vectorization to develop a deeper image feature learning model. Automatika. 2022. № 64 (2). Pp. 355–364.
  • 4. He K., Roerdink J. B. T. M., Kosinka J. Image vectorization using a sparse patch layout. Graphical Models. 2024. № 135, 101229.
  • 5. Balla D., Gede M. Vector data rendering performance analysis of open-source web mapping libraries. ISPRS International Journal of Geo-Information. 2025. № 14 (9), 336.
  • 6. Carlier A., Danelljan M., Alahi A., Timofte R. DeepSVG: A hierarchical generative network for vector graphics animation. Advances in Neural Information Processing Systems. 2020. № 33, Pp. 16351–16361.
  • 7. Ma L., Seipel S., Brandt S. A., Ma D. A new graph-based fractality index to characterize complexity of urban form. SPRS International Journal of Geo-Information. 2022. № 11 (5), 287.
  • 8. Gonzalez R. C., Woods R. E. Digital image processing (4th ed.). Pearson Education Limited, 2017. 1024 p.
  • 9. Glinka S., Owerko T., Tomaszkiewicz K. Using open vector-based spatial data to create semantic datasets for building segmentation for raster data. Remote Sensing. 2022. № 14 (12), 2745.
  • 10. Zhang P., Wu Y., Li C., Li R., Yao H., Zhang Y., Zhang G., Li D. National-standards- and deep-learning-oriented raster and vector benchmark dataset (RVBD) for land-use/land-cover mapping in the yangtze River Basin. Remote Sensing. 2023. № 15 (15), 3907.
  • 11. Teng D., Baig F., Sun Q., Kong J., Wang F. IDEAL: a vector-raster hybrid model for efficient spatial queries over complex polygons. 22nd IEEE International Conference on Mobile Data Management (MDM). 2021. Pp. 99–108.