Fotorealistická syntéza obrazu
|
|
- Jitka Křížová
- před 5 lety
- Počet zobrazení:
Transkript
1 Fotorealistická syntéza obrazu Josef Pelikán, CGG MFF UK Praha a Photorealistic Josef Pelikán, 1 / 107
2 Obsah přednášky cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 2 / 107
3 Cíle realistického zobrazování věrně napodobit přírodu virtuální scéna reprezentovaná v počítači přesně simulovat šíření světla ve scéně predictive rendering nebo důvěryhodné zobrazování laický pozorovatel nemá poznat, že je obrázek umělý... rychlost vykreslování off-line rendering (nezáleží tolik na rychlosti) real-time (min. 25 fps) Photorealistic Josef Pelikán, 3 / 107
4 Aplikace design, architektura, umění šíření světla v interiéru, kabině,.. zábavní průmysl filmy (IL&M, Piar, DreamWorks, off-line ) videohry ( real-time ) média televize (virtuální studia,...) reklamy Photorealistic Josef Pelikán, 4 / 107
5 Historie cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 5 / 107
6 Historie klasické zobrazování Sutherland 1974: Z-buffer ploškový model nejčastěji trojúhelníkové sítě výpočet viditelnosti Z-buffer přibližné světelné poměry lokální osvětlovací model, vržené stíny tetury, shadery Photorealistic Josef Pelikán, 6 / 107
7 Historie Ray-tracing I Whitted 1980: základní Ray-tracing geometrický přístup sleduje se jenom ideálně odražený paprsek výpočetně velmi náročný výpočet průsečíku paprsku se scénou 95% času urychlovací metody snadné vylepšení vzhledu obrázku tetury, anti-aliasing, shadery distribuované techniky (viz dále) Photorealistic Josef Pelikán, 7 / 107
8 Historie Ray-tracing II L N R α A α P 0 +t P 1 T Photorealistic Josef Pelikán, 8 / 107
9 Historie Distributed R-T Cook 1984: Distributed Ray Tracing vylepšení kvality výsledku integrál nahrazuje původně jediný vzorek měkké stíny, odrazy, lomy, difrakce rozmazání pohybem hloubka ostrosti kamery výpočetně velmi náročné metody Monte-Carlo algoritmy stonásobně víc paprsků... Photorealistic Josef Pelikán, 9 / 107
10 Historie Bidirectional R-T Arvo 1986: Backward Ray Tracing sledování opačného směru v první fázi se paprsky posílají ze světel a zachytávají na plochách vykreslení kaustiky (1986 = rok kaustiky) později se z toho vyvinuly metody: Light-tracing, Photon-tracing Photon-maps (Henrik Wann Jensen) Photorealistic Josef Pelikán, 10 / 107
11 Historie Radiační metoda I Goral et al. 1984: Illumination for Computer-Generated Pictures předpoklad difusních materiálů Lambertův zákon (dokonalý rozptyl světla) metoda konečných prvků vede na soustavu lineárních rovnic různá vylepšení: iterace à la Southwell hierarchické přístupy zobecněné konfigurační faktory (lesklé odrazy) Photorealistic Josef Pelikán, 11 / 107
12 Photorealistic Josef Pelikán, 12 / 107 Historie Radiační metoda II základní rovnice pro radiositu i-té plošky: ( ) = + = N j A i A j i j i i i i j da da y g A B E B 1, 1 ρ geometrický člen - konfigurační faktor F ij (část výkonu vyzářeného ploškou A i dopadající na A j ) [ ] 2 1 m W N j ij j i i i F B E B = + = ρ
13 Historie Hybridní metody Wallace 1987, Sillion 1989, 1991,... radiační metoda umí dobře difusní materiály metody založené na paprscích umí dobře lesklý odraz Ray-tracing, Distributed R-T Path-tracing, Photon-tracing,... S LS + D DS * E S D kombinace několika metod pozor na duplikace! LS + DS * E většinou sériové zapojení = více fází za sebou vykreslení: Ray-tracing, Path-tracing L S E Photorealistic Josef Pelikán, 13 / 107
14 Historie Zobrazovací rovnice J. T. Kajiya: The rendering equation (SIGGRAPH '86) matematický přístup k zobrazování integrální rovnice popisující šíření světla, nestranné řeš. algoritmy založené na Monte-Carlo.. přesné (analytické) řešení není možné Path-tracing (už Kajiya) později: Light-tracing, Photon-tracing, Bidirectional Path-tracing, hybridní alg., Metropolis metody Photorealistic Josef Pelikán, 14 / 107
15 Teoretické základy cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 15 / 107
16 Základní radiometrické veličiny výkon přijímaný (emitovaný) nějakou částí plochy: Φ in (Φ out ) [ W ] přijímaná (emitovaná) radiosita (hustota výkonu na ploše): B in (E, B out ) [ W / m 2 ] intenzita (hustota výkonu v prostorovém úhlu ω): I = dφ / dω [ W / sr ] Photorealistic Josef Pelikán, 16 / 107
17 Radiance přijímaná (emitovaná) radiance ve směru ω: L in (ω) (L e (ω), L out (ω)) [ W / m 2 sr ] N ω L out (, ω ) = 2 Φ A ω cosθ θ dω = ω B out cosθ da = I A cosθ Photorealistic Josef Pelikán, 17 / 107
18 BRDF (lokální fce odrazivosti) ( Bidirectional Reflectance Distribution Function ) N L in (ω in ) L out (ω out ) dω in θ out θ in f ( ω ω ) in out = L in ( ω ) in L out ( ω ) cosθ out in ω in [ 1 sr ] Photorealistic Josef Pelikán, 18 / 107
19 Lokální světelné modely Bouknight 1970: difusní (Lambert) a ambient Gouraud 1971: interpolace barvy z vrcholů Phong 1975: navíc lesklá složka, interpolace normály Blinn 1977, Cook et al. 1982: mikroplošky Kajiya 1985, Cabral et al. 1987: vylepšení (anizotrop.) Wolf 1990: polarizace odraženého světla Oren-Nayar 1993: difusní mikroplošky... Photorealistic Josef Pelikán, 19 / 107
20 Lokální zobrazovací rovnice OVTIGRE L o (,ω o ) N L i (,ω i ) dω i L e (,ω o ) θ i vakuum: L i (,ω i ) = L o (y,ω i ) vyzařování zdroje L o, o = L e, o f, i o L o y, i cos i d i Photorealistic Josef Pelikán, 20 / 107
21 GRDF (globální fce odrazivosti) ( Global Reflectance Distribution Function ) N da L o (y,ω y ) L o (,ω ) θ ω y F (, ω y, ω ) y = L o 2 (, ω ) L o ( y, ω ) cosθ y A ω [ 2 1 m sr ] Photorealistic Josef Pelikán, 21 / 107
22 Globální zobr. rovnice (s GRDF) N da L o (y,ω y ) L e (,ω ) θ ω L o ( ) y, ω y = y = A Ω L e ( ) ( ), ω F, ω y, ω y cosθ dω da Photorealistic Josef Pelikán, 22 / 107
23 Souhlas starších metod s teorií cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 23 / 107
24 Operátory šíření světla Zobrazovací rovnice pro radianci: L = e + TL L = e + Te + T 2 e + T 3 e +... Integrální operátor T lze rozložit na difusní (D) a lesklou (S) složku odrazu: T = D + S L = e + ( D + S ) e + ( D + S ) 2 e +... L = e + De + Se + DDe + DSe + SDe + SSe +... Photorealistic Josef Pelikán, 24 / 107
25 Abeceda regulárních výrazů zdroj světla L ( light ) difusní odraz D ( diffuse ) odraz podle Lambertova zákona (všesměrový) lesklý odraz S ( specular ) směrový odraz, odlesk směrová část BRDF idealizovaný zrcadlový odraz: S M oko pozorovatele E ( eye ) příspěvek výslednému obrazu Photorealistic Josef Pelikán, 25 / 107
26 Cesty šíření světla D LDE LDSE LD 3 SE L LE S E Photorealistic Josef Pelikán, 26 / 107
27 Přehled zobrazovacích metod stínování s odlesky a vrženými stíny (např. Phongův model): L ( D S ) E často se ignoruje výpočet vržených stínů Ray-tracing (Whitted): L [ D S ] S M * E první lesklý odraz se počítá přesně, ostatní se nahrazují ideálním zrcadlovým odrazem Distributed Ray-tracing (Cook): L [ D ] S* E všechny lesklé odrazy se odhadují korektně Photorealistic Josef Pelikán, 27 / 107
28 Přehled zobrazovacích metod obyčejná radiační metoda: L D* E pouze difusní odraz světla všechny možné cesty světla: L ( D S )* E přesné řešení zobrazovacích rovnic, nestranné metody první z nich byla Path-tracing (Kajiya) Photorealistic Josef Pelikán, 28 / 107
29 Radiační metody cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 29 / 107
30 Radiance přijímaná z plochy N θ i N y θ yo dω i da y cos θ = yo y da 2 Geometrický člen: faktor viditelnosti {0 1} G y, = V, y cos yo cos i y 2 Photorealistic Josef Pelikán, 30 / 107
31 Radiance přijímaná z plochy N θ i N y θ yo da y L o (, ω ) o = ( ) ( ) ( ) = L, ω + f, ω ω L, ω cos θ dω = e o i o i i i i Ω (, ω ) (, ω ω ) (, ω ) (, ) = L + f L y G y da e o i o o i S integrál přes všechny směry integrál přes povrch scény Photorealistic Josef Pelikán, 31 / 107
32 Zjednodušené značení L, z = L e, z S z radiance z bodu směrem do bodu z θ zi N z θo N θ i N y θ yo da y f y,, z L y, G y, da radiance zdroje (emitovaná) BRDF geometrický člen Photorealistic Josef Pelikán, 32 / 107
33 Rovnice pro radiositu předpokládáme ideálně difusní povrch BRDF není závislá na úhlech výstupní radiance L(,ω) nezávisí na směru ω L, z = L e, z S f y,, z L y, G y, da L, z = B / L e, z = E / f = / B = E S B y G y, da Photorealistic Josef Pelikán, 33 / 107
34 Rovnice pro radiositu B = E S B y g y, da G y, / = g y, řešení B je nekonečně-dimenzionální diskretizace úlohy klasické radiační metody konečné prvky na povrchu těles scény Photorealistic Josef Pelikán, 34 / 107
35 Obecná FEM radiační metoda ➊ rozdělení ploch na konečný počet elementů ➋ určení polohy uzlových bodů na elementech v těchto bodech se bude počítat hodnota radiosity ➌ volba aproimační metody a chybové metriky systém basických funkcí pro lineární (konvení) kombinace hodnot v uzlových bodech ➍ výpočet koeficientů soustavy lineárních rovnic konfigurační faktory ( form-factors ) Photorealistic Josef Pelikán, 35 / 107
36 Obecná FEM radiační metoda ➎ řešení soustavy lineárních rovnic výsledek: radiosita v uzlových bodech ➏ rekonstrukce přibližného řešení na celých plochách lineární kombinace bazických funkcí pomocí hodnot v uzlových bodech ➐ zobrazení výsledku (libovolný směr pohledu) intenzita osvětlení závisí na spočítané radiositě Photorealistic Josef Pelikán, 36 / 107
37 Poznámky krok ➌ se provádí ve fázi návrhu algoritmu v implementaci se přímo neobjevuje některé dokonalelší metody nepostupují striktně posloupností kroků ➊ až ➐ často se výpočet v některých fázích vrací a opakují se předcházející kroky (s lepší aproimací, lepším rozlišením,..) adaptivní techniky hierarchická radiační metoda Photorealistic Josef Pelikán, 37 / 107
38 Aproimace radiosity konstantní (uzly jsou těžiště ploch) bilineární (uzly jsou ve vrcholech) kvadratická (další uzly jsou uprostřed hran a stěn) Photorealistic Josef Pelikán, 38 / 107
39 Metoda konstantních elementů na elementu A i předpokládáme: konstantní odrazivost ρ i konstantní radiositu B i ( ) ( ) ( ) ( ) ( ) B = E + ρ B y g y, da průměr S přes plochu A i B = E + ρ i i i 1 A i A i N j= 1 B g( y ) j, da j da Aj i Photorealistic Josef Pelikán, 39 / 107
40 Metoda konstantních elementů.. přehození sumy a integrálu: N 1 B E ρ B g y da da A = + i i i j j= 1 i A i A j (, ) j i geometrický člen - konfigurační faktor F ij (část energie vyzářené ploškou A i dopadající na A j ) N i i i j ij j= 1 B = E + ρ B F [ ] W 2 m Photorealistic Josef Pelikán, 40 / 107
41 Fyzikálně intuitivní odvození N i i i i i j j ji j= 1 B A = E A + ρ B A F [ W ] emitovaný výkon = vlastní výkon + odražený výkon reciproční pravidlo: A F = A F j ji i ij B A = E A + ρ B F A A i i i i i j ij i j= 1 N N i i i j ij j= 1 B = E + ρ B F [ ] W 2 m i 1 Photorealistic Josef Pelikán, 41 / 107
42 Soustava lineárních rovnic N i i j ij j= 1 B ρ B F = E i = 1.. N 1 ρ 1F 11, ρ 1F 1, 2.. ρ 1F 1, ρ 2F2, 1 1 ρ 2F2, 2.. ρ 2F2, ρ F 1 ρ F ρ F i N N B1 E B2 E =.... B E N N, N N, N N, N N N vektor neznámých [B i ] 1 2 Photorealistic Josef Pelikán, 42 / 107
43 Soustava lineárních rovnic pro rovinné (konvení) plošky platí F ii = 0 na diagonále jsou pak samé jedničky nediagonální prvky matice mají typicky malou absolutní hodnotu matice je diagonálně dominantní soustava je dobře podmíněná a lze ji úspěšně řešit iteračními metodami při změně osvětlení se mění jenom pravá strana přímé metody rozklad matice zůstává Photorealistic Josef Pelikán, 43 / 107
44 Konfigurační faktory Rovnice pro radiositu (konstantní elementy): 1 F g( y ) i j =, daj dai = A = i A A 1 cos θ i cos θ A 2 i π y A i i A j j N 1 B E ρ B g y da da A = + i i i j j= 1 i A i A j (, ) j (, ) j V y da da j i i Photorealistic Josef Pelikán, 44 / 107
45 Nusseltova analogie N A j da i ω j.. [ cos θ ] r 2 j [ cos θ ] r = 1 i π F da A i j Photorealistic Josef Pelikán, 45 / 107
46 Polokrychle (částečné FF) F 2 = π z 2 A ( 2 z ) A 2 2 F 1 = π A ( y 1) y 1 A z 2 da i 2 Photorealistic Josef Pelikán, 46 / 107
47 Metody Monte-Carlo vrhání paprsků ze zdrojové plošky do scény najednou se spočítá celý řádek matice možnost klasického urychlení (průsečíky) vzorkování! Photorealistic Josef Pelikán, 47 / 107
48 Řešení radiační soustavy rovnic klasické iterační metody: Jacobi, Gauss-Seidel chytřejší: Southwell, progresivní radiosita nejsou slepé, používají třídění over-relaation modifikace: à la SOR Super-Shoot-Gather (SSG) maimálně využívá jednoho spočítaného řádku matice hierarchické přístupy multiresolution ( multigrid ) techniky úloha zdroje a příjemce světla není symetrická Photorealistic Josef Pelikán, 48 / 107
49 Gauss-Seidel = sbírání světla B j B i i i i j ij j i B = E + ρ B F Photorealistic Josef Pelikán, 49 / 107
50 Reziduum a Southwellova metoda Reziduum (chyba) k-té iterace: ( k) ( k) r = E M B Jacobiho i Gauss-Seidelova metoda v každém kroku výpočtu vynulují jednu složku rezidua naivní postup: pořadí dané očíslováním neznámých chytřejší přístup: Southwell dává přednost neznámým s větším reziduem složky s větší chybou se opravují častěji rychlejší konvergence Photorealistic Josef Pelikán, 50 / 107
51 Progresivní radiační metoda Cohen a spol., 1988 používá podobnou myšlenku jako Southwell plošky se třídí podle dosud nevystřelené energie musí se průběžně upravovat celý vektor reziduí je to vlastně Southwell + Jacobi sweep fyzikální analogie = střílení světla průběžné, interaktivní zobrazení možnost využít dosud nevystřeleného světla (okolní složka osvětlení) Photorealistic Josef Pelikán, 51 / 107
52 Střílení světla ( p+ 1) ( p) ( p) j j i B = B + r ρ F j ji B j B i Photorealistic Josef Pelikán, 52 / 107
53 Úprava rezidua po vystřelení Podle recipročního pravidla pro kon gurační faktory: ( p + 1) ( p) ( p) ( p) i ( p) j j j ji i j j ij i j r = r + ρ F r = r + ρ F A A r Distribuce energie v jednom kroku výpočtu: r ( p+ 1) i A = i 0 <1 ( p+ 1) ( p) ( p) j j j j j ij i r A = r A + ρ F r A j = 1.. N i Photorealistic Josef Pelikán, 53 / 107
54 Progresivní radiační metoda double B[N], E[N], db[n], F[N][N], A[N], ro[n]; for ( int i=0; i<n; i++ ) { // inicializace B, db B[i] := E[i]; db[i] := E[i]; } while ( nezkonvergovalo ) { // jeden krok výpočtu výběr i == argma i (db[i]*a[i]) for ( int j=0; j<n; j++ ) { double drad = db[i]*ro[j]*f[j][i]; B[j] += drad; db[j] += drad; } db[i] = 0.0; zobrazení mezivýsledku pomocí radiosit B[i] } Photorealistic Josef Pelikán, 54 / 107
55 Přestřelování ( over-relaation ) vystřelím světlo na dluh (předpokládám, že v budoucnu se do plošky vrátí) B r ( k + 1) ( k) i i = B + ω ( k + 1) ( ) ( k) i = 1 ω ri ( k) ri M musí se počítat i se zápornými hodnotami (abs) ii 1 třeba 1.2 hodnota ω se může v průběhu konvergence měnit na začátku jsem odvážnější, postupně více konzervativní přestřelování podle odhadu zbytkového světla Photorealistic Josef Pelikán, 55 / 107
56 Odhad zbytkového světla aproimace dosud nespočítaných odrazů světla celková dosud nevystřelená radiosita: B = B i A i A i průměrný koeficient odrazu: odhad zbytkové radiosity: = i A i A i B amb = B = B 1 Photorealistic Josef Pelikán, 56 / 107
57 Aplikace zbytkové radiosity instantní zobrazení radiosita každé plošky se jen pro účely zobrazení upraví: B i disp = B i i B amb dynamický koeficient přestřelování ω podle odhadu dosud nevystřelené radiosity.. vystřeluje se B i k i B amb pro 0 k 1 Photorealistic Josef Pelikán, 57 / 107
58 Super-Shoot-Gather (SSG) maimální využití spočítaných koeficientů mám k dispozici jednu řádku a jeden sloupec matice opakovené střílení z dané plošky do ostatních (a zpět) tato izolovaná soustava konverguje musím ukládat nevystřelenou radiositu v matici (řídké) eplicitní řešení: [M ' ] [ SG i ] = [ B i ] SG i = B i i j i F ij B j 1 i j i F ij j F ji B j = SG j SG j i = B j j F ji SG i Photorealistic Josef Pelikán, 58 / 107
59 Hierarchické radiační metody vyzařování příjem Photorealistic Josef Pelikán, 59 / 107
60 Dvoustupňová hierarchie Cohen a spol., 1986 elementy (N) se sdružují do plošek (M) M << N konfigurační faktory (mezi ploškami) F ij = q i F qj A q A i soustava rovnic (plošky) M B i = E i i j =1 B j F ij radiosity elementů M B q = E q q j =1 B j F qj Photorealistic Josef Pelikán, 60 / 107
61 Vícestupňová hierarchie q p F qp Link Photorealistic Josef Pelikán, 61 / 107
62 Uzel stromu ( Node ) Bg přijatá radiosita (v tomto kroku se nestřílí) Bs vystřelovaná radiosita E emitovaná radiosita (zdroj světla) A plocha ρ odrazivost plošky L seznam spojů, které na plošku svítí Uzly se vytvářejí až na základě potřeby: předzpracování (odhad konfiguračních faktorů F-rule ) adaptivní zjemňování scény ( BF-rule ) Photorealistic Josef Pelikán, 62 / 107
63 Iterace SolveHR() { // balance energy using HR links while not converged { foreach root node r GatherRad( r ); // gather up incoming energy foreach root node r PushPullRad( r, r.bg ); // give energy to children } } GatherRad( n ) { // get radiosity into this node n.bg = 0.0; foreach link L into n n.bg += n.ro * L.Fqp * L.p.Bs; // L.p is shooter patch foreach child r of n GatherRad( r ); // accumulate for each child } Photorealistic Josef Pelikán, 63 / 107
64 Distribuce světla v hierarchii float PushPullRad( n, Bdown ) { // node n inherits radiosity Bdown if ( n is leaf node ) Bup = n.e + n.bg + Bdown; else { Bup = 0.0; foreach child r of n Bup += r.a/n.a * PushPullRad( r, n.bg+bdown ); } n.bs = Bup; return Bup; } Photorealistic Josef Pelikán, 64 / 107
65 Adaptivní algoritmus základní algoritmus je statický hierarchie se staví pouze na začátku (podle odhadu konfiguračních faktorů F-rule ) adaptivní algoritmus modifikuje hierarchie v průběhu výpočtu zjemňování podle množství přenášené energie daným spojem ( BF-rule ) cíl sjednotit energie předávané jednotlivými spoji každý spoj pak má přibližně stejnou důležitost.. mizí rozdíl mezi sbíráním a střílením světla Photorealistic Josef Pelikán, 65 / 107
66 Monte-Carlo zobrazování cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 66 / 107
67 Monte-Carlo zobrazování Monte-Carlo kvadratura: integrály zobrazovacích rovnic jsou mnoho-rozměrné anti-aliasing, hloubka ostrosti, rozmazání pohybem Monte-Carlo metody nejsou citlivé na vyšší dimenze integrandy mají mnoho nespojitostí různých druhů obyčejně se nepožaduje velká přesnost lidské vidění má velmi omezenou absolutní citlivost běžně postačí relativní přesnost ½ 2 % Photorealistic Josef Pelikán, 67 / 107
68 Urychlení konvergence M-C jittering, stratified sampling vzorkování s nižší diskrepancí vzorkování podle důležitosti ( importance sampling ) hustota pravděpodobnosti podobná integrované funkci generování vzorků s libovolnou hustotou pravděpodob. kombinované odhady, smíšené heuristiky (různé pr.) každé vzorkování (= hustota pravděpodobnosti) vyjadřuje jednu složku integrované funkce Metropolis vzorkování (později) Photorealistic Josef Pelikán, 68 / 107
69 Stratified sampling f(ξ 1 ) f() 1 0 N f d = i=1 N I strat = i=1 Ai f d f i A i 0 1 ξ 1 ξ 2 ξ 3 ξ 4 i A i chytrý rozklad na subintervaly: funkce f() má na subintervalech co nejmenší variaci Photorealistic Josef Pelikán, 69 / 107
70 Importance sampling f() f d = 0 f p dp p() I imp = f p 0 1 ξ 5 ξ 3 ξ 1 ξ 4 ξ 2 ξ 6 i Rnd p hustota p() má být co nejpodobnější funkci f()?! efektivní generování vzorků podle hustoty p()!? Photorealistic Josef Pelikán, 70 / 107
71 Combined sampling f() N I comb = i=1 w i i f i p i i p 1 () p 2 () 0 1 ξ 1 ξ 2 i Rnd p i N i=1 0 w i w i = 1 odhaduje se podle několika náhodných rozdělení každé rozdělení může charakterizovat jinou složku f().. Photorealistic Josef Pelikán, 71 / 107
72 Náhodná procházka řešení Fredholmovy soustavy druhého druhu: f = g 0 1 K, y f y dy neznámá funkce zadání nekonečná náhodná procházka řízená distribucemi p i f r = i =0 [ i j =1 K j 1, j p j j ] g i, 0 = Photorealistic Josef Pelikán, 72 / 107
73 Ruská ruleta odstranění nekonečné řady: k f Russ,r = i=0 [ i j=1 K j 1, j P j p j j ] g i P j udává pravděpodobnost pokračování v kroku j je logické, aby byla úměrná celkové odrazivosti K(,y) p j () je distribuce pro výběr dalšího prvku posloupnosti: ξ j Photorealistic Josef Pelikán, 73 / 107
74 Photorealistic Josef Pelikán, 74 / 107 Zobrazovací rovnice pro radianci ( ) ( ) ( ) ( ) Ω + = = 1 cos,,,, y y y y e d y L f L L ω θ ω ω ω ω ω N θ y y ω y L(,ω ) L(y,ω y ) ω ( ) ( ) ( ) Ω = Φ A e o da d S W L S ω θ ω ω cos,,,
75 Path-tracing Monte-Carlo odhad toku Φ(S) i radiance L( 0,ω 0 ) (omezení náhodné procházky ruskou ruletou): W cosψ Φ k ( S ) i i = 0 j = 1 path f = e ( ) 0, ω 0, S p (, ω ) ( ) j 1, ω j ω j 1 P p ( ω ) j 0 0 j 0 j cosθ j 1 L e (, ω ) i i pravděpodobnost pokračování krokem j hustota pravděp. pro vstupní směr ω j Photorealistic Josef Pelikán, 75 / 107
76 Schema šíření světla 1 3 θ 1 ω 1 ω 3 0 ω 2 N 0 θ 0 ψ θ 2 ω 0 2 Photorealistic Josef Pelikán, 76 / 107
77 Odhad příští události (NEE) obyčejný Path-tracing je velmi neefektivní náhodná procházka se musí trefit do zdroje světla! odhad příští události ( Net Event Estimation ) zařídím příspěvky od zdrojů v každém kroku NEE je nejvýhodnější pro scény s malými ale dobře viditelnými plochami světelných zdrojů vzorkování světelných zdrojů tvoří dominantní složku výsledku Photorealistic Josef Pelikán, 77 / 107
78 Photorealistic Josef Pelikán, 78 / 107 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Ω Ω + + = = = + = 1 1 cos,,,,, cos,,,,,, y y y r y A y y e y y y y y r r e d y L f da y G y L f d y L f L L L L ω θ ω ω ω ω ω ω ω θ ω ω ω ω ω ω ω Odhad příští události II Rozdělení nepřímého osvětlení na dvě složky:
79 Schema šíření světla (NEE) 1 y ω y 1 ω 1 ω y 0 0 ω y 2 ω 2 ω 0 2 Photorealistic Josef Pelikán, 79 / 107
80 Dualita v teorii zobrazování Kajiya 1986: zobrazovací rovnice Smits 1992: zavedení pojmu důležitost (potenciál) aplikace v radiační metodě efektivní zjemňování hierarchie ( BFI-rule ) ( zpřesňuji výpočet ne tam, kde je hodně světla, ale tam, kde je světlo potřeba = přispívá významně k výsledku ) Pattanaik 1993: zavedení duality do teorie zobrazování duální operátory a rovnice - prostředek k řešení úlohy globálního osvětlení scény Photorealistic Josef Pelikán, 80 / 107
81 Důležitost (potenciál) výkon procházející svazkem S jako důsledek jednotkové radiance z bodu směrem ω [ 1 ] L o (,ω ) Φ o (S) N ω dω S = { } { ω } i j θ da W (, ω, S ) = L o 2 Φ o ( S ) (, ω ) ω A cosθ Photorealistic Josef Pelikán, 81 / 107
82 Photorealistic Josef Pelikán, 82 / 107 Zobrazovací rovnice pro potenciál ( ) ( ) ( ) ( ) Ω + = = y y y y y e d y W y f W W ω θ ω ω ω ω ω cos,,,, y N y θ y ω W(y,ω y ) W(,ω ) ω y ( ) ( ) ( ) Ω = Φ A e o da d S W L S ω θ ω ω cos,,,
83 Light-tracing celkový odhad paprsek vycházející ze zdroje (vyzařovací charakteristiky zdroje) Φ ( S ) light = L e (, ω ) 0 0 p (, ω ) 0 0 cosθ 0 0 k i i = 0 j = 1 f ( ), ω ω j j 1 j ( ) P p ω j j j cosθ j W e (, ω, S ) i i Photorealistic Josef Pelikán, 83 / 107
84 Schema šíření světla (střílení) 2 0 ω 2 ω0 θ 2 3 θ 1 ω 1 N 3 θ 3 ω 3 1 Photorealistic Josef Pelikán, 84 / 107
85 NEE pro Light-tracing 2 0 ω 2 ω0 ω 2 z 3 ω 1 ω 3 z 1 ω 1 z Photorealistic Josef Pelikán, 85 / 107
86 Aplikace Light-tracingu přímý výpočet realistického obrázku světlo se přijímá kamerou a ukládá v průmětně pomocný výpočet pro některou kombinovanou metodu světlo se ukládá do tzv. světelných map (fotonové mapy, Photon-tracing ) větší suma potenciálu W e vede k efektivnějšímu výpočtu (nemusí se dělat NEE) Photon-mapping : moderní, ale nekorektní metoda zobrazování (Wann Jensen, 1995) Photorealistic Josef Pelikán, 86 / 107
87 Obousměrný Path-tracing Kombinovaná globální zobrazovací rovnice: Φ vlastní emitovaná radiance ( S) = diskrétní potenciál GRDF A, Ω A, Ω y ( ω ) ( ω ) ( ω ω ),,,,, = L W y S F y e e y y cos θ cos θ dω da dω da y y y integrály přes všechny plochy a směry zdrojů a všechny plochy a směry receptorů Photorealistic Josef Pelikán, 87 / 107
88 Rekurentní definice GRDF (, ω, ω ) δ (, ω,, ω ) F y = y + (, ω, ω ) δ (, ω,, ω ) F y = y + Ω y 1 y y ( ) ( ) + f z, ω ω F z, ω y, ω cos θ dω Ω z První odraz: z z y z z Poslední odraz: y y ( ) ( ) + f y, ω ω F, ω z, ω cos θ dω z y z y z Photorealistic Josef Pelikán, 88 / 107
89 Základy smíšené heuristiky Lineární kombinace obou rekurzivních vzorců: * * * F = δ + w T F + w TF, w + w = 1 Nekonečná Neumannovská řada: N * i j ij j= 0 i= 0 F = w T T δ, w = i= 0 i, N i 1 T i T * se odhadují stochasticky pomocí náhodné procházky ukončované ruskou ruletou. Bez odhadu příští události však má tato metoda velký rozptyl. Photorealistic Josef Pelikán, 89 / 107
90 Odhad příští události S přidáním neuzavřených cest: ( ) Φ S = w C k bipath, nee ij ij i= 1 j= 1 k * i = 1, j > 0: cesta od pozorovatele (bez NEE) i = 0, j 0: cesta od pozorovatele se vzorkem na zdroji i > 0, j > 0: světlo i-krát odražené od zdroje a j-krát od pozorovatele i 0, j = 0: cesta od zdroje se vzorkem na receptoru i > 0, j = 1: cesta od zdroje (bez NEE - neefektivní) Photorealistic Josef Pelikán, 90 / 107
91 Přehled vzorkování závislost příspěvku na vzorku na cestě od zdroje světla PT vzorku na cestě od receptoru y -1 y 0 LT C -1,1 C 1,-1 C 2,-1 C 3,-1 C 0,0 C 1,0 C 2,0 C 3,0 C 0,1 C 1,1 C 2,1 C 3,1 y 2 C -1,2 C 0,2 C 1,2 C 2,2 C 3,2 Photorealistic Josef Pelikán, 91 / 107
92 Obecná cesta (obousměrná) 0 y 1 ω y1 ω 0 C 2,1 y 0 ω y0 1 ω 1 2 y -1 Photorealistic Josef Pelikán, 92 / 107
93 Hybridní metody cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 93 / 107
94 Vícekrokové (hybridní) metody kombinace radiačních metod (difusní odrazy) a sledování paprsku (lesklé odrazy) většinou se tyto dva přístupy střídají (algoritmus se dělí na jednotlivé průchody nebo kroky) radiační přístup řeší (nepřímé) difusní osvětlení: D* sledování paprsku počítá lesklé odrazy: S [M] * navíc se používá pro finální průchod (zobrazení) místo R-T lze použít Path-tracing nebo jeho vylepšení Photorealistic Josef Pelikán, 94 / 107
95 Mezivýsledek = světelná mapa D S L S * D D S * E S L S E L S * D S * E = Photon-tracing + Path-tracing Photorealistic Josef Pelikán, 95 / 107
96 Metropolis metody cíle a aplikace realistického zobrazování historie, přehled používaných přístupů teoretické základy zobrazovací rovnice souhlas starších metod s teorií (fyzikou) metody založené na zobrazovací teorii radiační metody (matné materiály) Monte-Carlo zobrazování (paprsky, unbiased ) hybridní metody (efektivita) efektivnější vzorkování (Metropolis) Photorealistic Josef Pelikán, 96 / 107
97 Metropolis vzorkování Nicholas Metropolis et al, 1953, výpočetní fyzika vzorkování podle dané funkce f v obtížných podmínkách generuje posloupnost vzorků { i } s hustotou úměrnou f stavový prostor Ω f : R + I f = f d f pdf = f / I f generování vzorků X = { i } i ~ f pdf f Přitom není potřeba počítat I(f) ani f pdf! Photorealistic Josef Pelikán, 97 / 107
98 Základní algoritmus Markovův řetězec vzorků: i závisí jen na i-1 generátor nového vzorku mutate() pravděpodobnost schválení accept() zajišťuje správnou a stacionární distribuci i State, 0, result[n]; = 0; for ( i = 0; i < N; i++ ) { // generate net sample State ' = mutate( ); float a = accept(, ' ); if ( random() < a ) = '; result[i] = ; } Photorealistic Josef Pelikán, 98 / 107
99 Rozšířený algoritmus vzorkuje i oblasti s nízkou hodnotou f() v limitě má stejný výsledek (distribuci) State, 0, result[2*n]; float weight; // standard sample weight float weights[2*n]; // result weights = 0; for ( i = 0; i < 2*N; ) { // generate net sample State ' = mutate( ); float a = accept(, ' ); result[i] = ; weights[i++] = (1-a)* weight; result[i] = '; weights[i++] = a * weight; if ( random() < a ) = '; } Photorealistic Josef Pelikán, 99 / 107
100 Mutace, přechody, schvalování hustota pravděpodobnosti přechodu od k ' je dána mutačním předpisem ( mutate() ) T ' pravděpodobnost schválení tohoto přechodu musí se spočítat (pozor na chyby!) je-li určena správně, zajišťuje správnou distribuci výsledků a ' Photorealistic Josef Pelikán, / 107
101 Pravděpodobnost schválení a() podmínka stacionární pravděpodobnosti výsledku f() f T ' a ' = f ' T ' a ' efektivní volba a(): a ' = min 1, f ' T ' f T ' Photorealistic Josef Pelikán, / 107
102 Volba přechodu cíle, rady pravděpodobnost schválení by měla být co nejvyšší lépe prozkoumáme stavový prostor minimalizujeme korelace (alias v grafice) preferujeme přechody, které budou spíše schváleny tj. přechody mířící do oblastí s větším f() adaptivní metody mutace můžeme měnit přechodovou funkci na základě zkušenosti musíme jen umět spočítat přechodové hustoty T(...) Photorealistic Josef Pelikán, / 107
103 Metropolis výpočet osvětlení L S Jen málo pravděpodobné cesty světla mohou přispět k výslednému obrázku.. D S E Photorealistic Josef Pelikán, / 107
104 Metropolis výpočet osvětlení stavový prostor: prostor náhodných procházek potenciálně přenášejících světlo od zdroje do receptoru inicializace: hledání efektivních cest světla obousměrný Path-tracing minimalizace zkreslení (počátečních několik mutací nezapočítávám do výsledku) různé typy mutací perturbace kamery: (L D)DS * E nahradím (stejná délka) perturbace kaustiky: (L D)S * DE nahradím delší řetězce: např. (L D)DS * DS * DE nahrazuji Photorealistic Josef Pelikán, / 107
105 Literatura - knihy Andrew Glassner: Principles of Digital Image Synthesis, Morgan Kaufmann, 1995 Henrik Wann Jensen: Realistic Image Synthesis Using Photon Mapping, A K Peters, 2001 Matt Pharr, Greg Humphreys: Physically Based Rendering, Morgan Kaufmann, 2004 Philip Dutre, Kavita Bala, Philippe Baekert: Advanced Global Illumination, A K Peters, 2006 Photorealistic Josef Pelikán, / 107
106 Literatura Eric Veach, Leonidas J. Guibas: Optimally Combining Sampling Techniques for Monte Carlo Rendering, SIGGRAPH'95 Proceedings Eric Lafortune: Mathematical Models and Monte Carlo Algorithms for Physically Based Rendering, PhD thesis, KU Leuven, 1996 Eric Veach, Leonidas J. Guibas: Metropolis Light Transport, SIGGRAPH'97 Proceedings Eric Veach: Robust Monte Carlo Methods for Light Transport Simulation, PhD Thesis, 1997 Photorealistic Josef Pelikán, / 107
107 Literatura S. Gortler, M. F. Cohen, P. Slusallek: Radiosity and Relaation Methods, IEEE CG&A, 16(6), 1994 David Cline, Parris Egbert: A Practical Introduction to Metropolis Light Transport, Tech. report, Brigham Young University, 2005 Matt Pharr: Metropolis Sampling, slides for cs348b course, May 2003 Photorealistic Josef Pelikán, / 107
Fotorealistická syntéza obrazu Josef Pelikán, MFF UK Praha
Fotorealistická sntéza obrazu 2006 Josef Pelikán MFF UK Praha Josef.Pelikan@mff.cuni.cz 10.4.2006 Obsah přednášk cíle a aplikace realistického zobrazování historie přehled používaných přístupů teoretické
VíceRadiometrie, radiační metody
Radiometrie, radiační metody 1996-2018 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Radiometry 2018 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 34 Globální výpočet
VíceRealistický rendering
Realistický rendering 2010-2017 Josef Pelikán, CGG MFF UK http://cgg.mff.cuni.cz/ http://cgg.mff.cuni.cz/~pepca/ Festival fantazie, Chotěboř, 4. 7. 2017 1 / 47 Obsah přednášky co je realistický rendering?
VícePrincipy fotorealistického zobrazování
Principy fotorealistického zobrazování 2010-2013 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ MaSo jaro 2013, doprovodná přednáška, 16. 5. 2013 1 / 101 Obsah přednášky cíle a aplikace
VícePhoton-Mapping Josef Pelikán CGG MFF UK Praha.
Photon-Mapping 2009-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Photon-mapping 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 25 Základy Photon-mappingu
VíceFotorealistická grafika
Fotorealistická grafika RNDr. Josef Pelikán Kurz vznikl v rámci projektu Rozvoj systému vzdělávacích příležitostí pro nadané žáky a studenty v přírodních vědách a matematice s využitím online prostředí,
VíceZobrazování a osvětlování
Zobrazování a osvětlování Petr Felkel Katedra počítačové grafiky a interakce, ČVUT FEL místnost KN:E-413 na Karlově náměstí E-mail: felkel@fel.cvut.cz S použitím materiálů Bohuslava Hudce, Jaroslava Sloupa
VíceModerní fotorealistický rendering
Moderní fotorealistický rendering 2010-2016 Josef Pelikán, CGG MFF UK 2016 Jiří Vorba a Jaroslav Křivánek, dtto http://cgg.mff.cuni.cz/ http://cgg.mff.cuni.cz/~pepca/ Seminář Ústavu teoretické fyziky,
VícePočítačová grafika Radiozita
Počítačová grafika Radiozita V. Chalupecký chalupec@kmlinux.fjfi.cvut.cz Obsah 1 Literatura 1 2 Úvod 5 3 Radiometrie a fotometrie 6 3.1 Prostorový úhel.......................... 6 3.2 Zářivý tok.............................
VíceFyzikálně založené modely osvětlení
Fyzikálně založené modely osvětlení 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz Physical 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 31 Historie
VíceDistribuované sledování paprsku
Distribuované sledování paprsku 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz DistribRT 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 24 Distribuované
VíceFotonové mapy. Leonid Buneev
Fotonové mapy Leonid Buneev 21. 01. 2012 Popis algoritmu Photon mapping algoritmus, který, stejně jako path tracing a bidirectional path tracing, vyřeší zobrazovací rovnice, ale podstatně jiným způsobem.
VícePočítačová grafika III Úvod
Počítačová grafika III Úvod Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. Popis scény Geometrie Kde je jaký objekt ve scéně
VíceŘešení radiační soustavy rovnic
Řešení radační soustavy rovnc 1996-2008 Josef Pelkán KSVI MFF UK Praha e-mal: Josef.Pelkan@mff.cun.cz WWW: http://cgg.ms.mff.cun.cz/~pepca/ NPGR010, radsoluton.pdf 2008 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca
VícePočítačová grafika III Důležitost, BPT. Jaroslav Křivánek, MFF UK
Počítačová grafika III Důležitost, BPT Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Davis Cup Premier international team competition in men s tennis World group: 16 teams Total: 137 (in 2007)
VíceŘešení radiační soustavy rovnic
Řešení radační soustavy rovnc 1996-2016 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ RadSoluton 2016 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca 1 / 23 Soustava lneárních
VícePočítačová grafika III Photon mapping. Jaroslav Křivánek, MFF UK
Počítačová grafika III Photon mapping Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Kvíz 1 Proč BPT neumí zobrazit kaustiku na dně bazénu (bodové světlo, pinhole kamera)? Řešení kvízu 2 Problem
VíceX39RSO/A4M39RSO Vychýlené (biased) metody globálního osvětlení. Vlastimil Havran ČVUT v Praze CTU Prague Verze 2011
X39RSO/A4M39RSO Vychýlené (biased) metody globálního osvětlení Vlastimil Havran ČVUT v Praze CTU Prague Verze 2011 Vychýlené versus nestranné metody Vychýlené vs. nestranné odhady (Biased vs. Unbiased
VíceRekurzivní sledování paprsku
Rekurzivní sledování paprsku 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 21 Model dírkové kamery 2 / 21 Zpětné sledování paprsku L D A B C 3 / 21 Skládání
VícePočítačová grafika III Multiple Importance Sampling. Jaroslav Křivánek, MFF UK
Počítačová grafika III Multiple Importance Sampling Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz MIS 300 + 300 samples EM IS 600 samples BRDF IS 600 samples Sampling strategies Diffuse only
VíceOdraz světla, BRDF. Petr Kadleček
Odraz světla, BRDF Petr Kadleček 17. října 2011 Úvod V minulé přednášce jsme si představili matematický model scény včetně geometrie, materiálů, zdroje světla, kamery, atd. Ukázali jsme si, že při formulaci
VícePočítačová grafika III Multiple Importance Sampling. Jaroslav Křivánek, MFF UK
Počítačová grafika III Multiple Importance Sampling Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz MIS 300 + 300 samples EM IS 600 samples BRDF IS 600 samples Sampling strategies Diffuse only
VícePočítačová grafika III Úvod
Počítačová grafika III Úvod Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. Popis scény Geometrie Kde je jaký objekt ve scéně
VícePočítačová grafika III Photon mapping. Jaroslav Křivánek, MFF UK
Počítačová grafika III Photon mapping Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Obousměrné sledování cest - opakování Transport světla jako integrál Cíl: místo integrální rovnice chceme formulovat
VíceA4M39RSO. Sledování cest (Path tracing) Vlastimil Havran ČVUT v Praze CTU Prague Verze 2014
A4M39RSO Sledování cest (Path tracing) Vlastimil Havran ČVUT v Praze CTU Prague Verze 2014 1 Rendering = integrování Antialiasing Integrál přes plochu pixelu Osvětlení plošným zdrojem Integrál přes plochu
VíceFotonové mapy. Martin Bulant 21. března Fotonové mapy jsou podobné obousměrnému sledování cest, ale odlišují se tím,
Fotonové mapy Martin Bulant 21. března 2011 1 Photon mapping Fotonové mapy jsou podobné obousměrnému sledování cest, ale odlišují se tím, že se nedělá vše najednou. Je oddělena propagace světla do scény
VícePočítačová grafika III Monte Carlo rendering 2. Jaroslav Křivánek, MFF UK
Počítačová grafika III Monte Carlo rendering 2 Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Path Tracing Implicitní osvětlení getli(x, w) { Color thrput = (1,1,1) Color accum = (0,0,0) while(1)
VíceVýpočet vržených stínů
Výpočet vržených stínů 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Shadows 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 18 Metody vícenásobný
VíceAnti-aliasing a vzorkovací metody
Anti-aliasing a vzorkovací metody 1996-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Sampling 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 34 Prostorový
VíceFOTOREALISTICKÉ ZOBRAZOVÁNÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
VíceKombinatorická minimalizace
Kombinatorická minimalizace Cílem je nalézt globální minimum ve velké diskrétní množině, kde může být mnoho lokálních minim. Úloha obchodního cestujícího Cílem je najít nejkratší cestu, která spojuje všechny
VíceDeformace rastrových obrázků
Deformace rastrových obrázků 1997-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Warping 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 22 Deformace obrázků
VícePokročilé osvětlovací techniky. 2005 Josef Pelikán, MFF UK Praha http://cgg.ms.mff.cuni.cz/~pepca/ Josef.Pelikan@mff.cuni.cz
Pokročilé osvětlovací techniky 2005 Josef Pelikán, MFF UK Praha http://cgg.ms.mff.cuni.cz/~pepca/ Josef.Pelikan@mff.cuni.cz Obsah nefotorealistické techniky hrubé tónování kreslení obrysů ( siluety ) složitější
VíceMonte Carlo metody Josef Pelikán CGG MFF UK Praha.
Monte Carlo metody 996-7 Josef Pelkán CGG MFF UK Praha pepca@cgg.mff.cun.cz http://cgg.mff.cun.cz/~pepca/ Monte Carlo 7 Josef Pelkán, http://cgg.ms.mff.cun.cz/~pepca / 44 Monte Carlo ntegrace Odhadovaný
VíceCo je obsahem numerických metod?
Numerické metody Úvod Úvod Co je obsahem numerických metod? Numerické metody slouží k přibližnému výpočtu věcí, které se přesně vypočítat bud nedají vůbec, nebo by byl výpočet neúměrně pracný. Obsahem
VíceX39RSO/A4M39RSO. Integrace a syntéza obrazu pomocí metody Monte Carlo. Vlastimil Havran, ČVUT v Praze
X39RSO/A4M39RSO Integrace a syntéza obrazu pomocí metody Monte Carlo Vlastimil Havran, ČVUT v Praze havran@fel.cvut.cz Osnova Historie Výpočet integrálu metodou Monte Carlo Aplikace v syntéze obrazu Antialiasing
VíceSTŘEDOŠKOLSKÁ ODBORNÁ ČINNOST
Vyšší odborná škola a Střední průmyslová škola elektrotechnická v Plzni STŘEDOŠKOLSKÁ ODBORNÁ ČINNOST Tomáš Šváb Fotonové mapy v realistickém osvětlení Únor 2009, Plzeň Konzultant práce: RNDr. Josef Pelikán,
VícePokročilé metody fotorealistického zobrazování
Pokročilé metody fotorealistického zobrazování 14.5.2013 Úvod Motivace Základní informace Shrnutí metod Představení programu RayTracer Reference Motivace Základní informace Motivace snaha o vytvoření realistických
VícePočítačová grafika III Bidirectional path tracing. Jaroslav Křivánek, MFF UK
Počítačová grafika III Bidirectional path tracing Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Science, it works (bitches!) Quote from Richard Dawkins http://www.youtube.com/watch?v=n6hxo1sc-du
VícePřipomenutí co je to soustava lineárních rovnic
Připomenutí co je to soustava lineárních rovnic Příklad 2x 3y + z = 5 3x + 5y + 2z = 4 x + 2y z = 1 Soustava lineárních rovnic obecně Maticový tvar: a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a
VíceMarkov Chain Monte Carlo. Jan Kracík.
Markov Chain Monte Carlo Jan Kracík jan.kracik@vsb.cz Princip Monte Carlo integrace Cílem je (přibližný) výpočet integrálu I(g) = E f [g(x)] = g(x)f (x)dx. (1) Umíme-li generovat nezávislé vzorky x (1),
VíceFAKULTA INFORMAČNÍCH TECHNOLOGIÍ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
VíceFP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
FP - SEMINÁŘ Z NUMERICKÉ MATEMATIKY Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci OBSAH A CÍLE SEMINÁŘE: Opakování a procvičení vybraných
VíceGlobal illumination with many-light methods. Martin Kahoun (2011)
Zápisky z přednášky Global illumination with many-light methods Tomáš Zámečník (2012) Martin Kahoun (2011) 1 1 Výpočet globálního osvětlení 1.1 Zobrazovací rovnice v 3b formulaci V této úvodní části se
VíceJosef Pelikán, 1 / 51
1 / 51 Náhodné rozmisťování bodů v rovině 2014-15 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ Seminář strojového učení a modelování, 26. 3. 2015 2 / 51 Jiří Matoušek (1963-2015) 3 /
VícePočítačová grafika III Všehochuť. Jaroslav Křivánek, MFF UK
Počítačová grafika III Všehochuť Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Science, it works (bitches!) Quote from Richard Dawkins http://www.youtube.com/watch?v=n6hxo1sc-du PG III (NPGR010)
VíceWatkinsův algoritmus řádkového rozkladu
Watkinsův algoritmus řádkového rozkladu 1995-2015 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 15 Watkinsův algoritmus nepotřebuje výstupní buffer rastrový výstup
Vícestránkách přednášejícího.
Předmět: MA 4 Dnešní látka Iterační metoda Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Superrelaxační metoda (metoda SOR) Metoda sdružených gradientů Četba: Text o lineární algebře v Příručce
VíceGlobální matice konstrukce
Globální matice konstrukce Z matic tuhosti a hmotnosti jednotlivých prvků lze sestavit globální matici tuhosti a globální matici hmotnosti konstrukce, které se využijí v řešení základní rovnice MKP: [m]{
VíceLineární klasifikátory
Lineární klasifikátory Lineární klasifikátory obsah: perceptronový algoritmus základní verze varianta perceptronového algoritmu přihrádkový algoritmus podpůrné vektorové stroje Lineární klasifikátor navrhnout
VícePočítačová grafika III Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Směr, prostorový úhel, integrování na jednotkové kouli Směr ve 3D Směr = jednotkový vektor ve 3D Kartézské souřadnice
VícePočítačová grafika III Monte Carlo integrování II. Jaroslav Křivánek, MFF UK
Počítačová grafika III Monte Carlo integrování II Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Monte Carlo integrování Obecný nástroj k numerickému odhadu určitých integrálů f(x) p(x) Integrál:
VíceZákladní raytracing Detaily implementace Distribuovaný raytracing Další globální zobrazovací metody Galerie Literatura. Raytracing
Raytracing a další globální zobrazovací metody Pavel Strachota FJFI ČVUT v Praze 11. května 2015 Obsah 1 Základní raytracing 2 Detaily implementace 3 Distribuovaný raytracing 4 Další globální zobrazovací
VíceNáhodné rozmisťování bodů v rovině
Náhodné rozmisťování bodů v rovině 2014 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ Konference CSGG, 17. 9. 2014, Nové Město na Moravě 1 / 46 2 / 46 Náhodné rozložení bodů..? random
VíceReprezentace 3D modelu
Ing. Jan Buriánek (ČVUT FIT) Reprezentace 3D modelu BI-MGA, 2010, Přednáška 8 1/25 Reprezentace 3D modelu Ing. Jan Buriánek Katedra softwarového inženýrství Fakulta informačních technologií České vysoké
VíceOsvětlování a stínování
Osvětlování a stínování Pavel Strachota FJFI ČVUT v Praze 21. dubna 2010 Obsah 1 Vlastnosti osvětlovacích modelů 2 Světelné zdroje a stíny 3 Phongův osvětlovací model 4 Stínování 5 Mlha Obsah 1 Vlastnosti
VíceMonochromatické zobrazování
Monochromatické zobrazování 1995-2015 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Mono 2015 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 27 Vnímání šedých odstínů
VíceHierarchický model. 1995-2013 Josef Pelikán CGG MFF UK Praha. pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 16
Hierarchický model 1995-2013 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 16 Hierarchie v 3D modelování kompozice zdola-nahoru složitější objekty se sestavují
VíceMetamorfóza obrázků Josef Pelikán CGG MFF UK Praha
Metamorfóza obrázků 1998-2011 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Morphing 2011 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 21 Metamorfóza obrázků -
VícePřímé zobrazování objemových dat DVR
Přímé zobrazování objemových dat DVR 2009-2016 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz DVR 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 26 Metody přímého
VíceIterační metody řešení soustav lineárních rovnic. 27. prosince 2011
Iterační metody řešení soustav lineárních rovnic Michal Čihák 27. prosince 2011 Přímé metody řešení soustav lineárních rovnic V přednáškách z lineární algebry jste se seznámili s několika metodami řešení
Více1 0 0 u 22 u 23 l 31. l u11
LU dekompozice Jedná se o rozklad matice A na dvě trojúhelníkové matice L a U, A=LU. Matice L je dolní trojúhelníková s jedničkami na diagonále a matice U je horní trojúhelníková. a a2 a3 a 2 a 22 a 23
VíceSOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC
SOUSTAVY LINEÁRNÍCH ALGEBRAICKÝCH ROVNIC Pojm: Algebraická rovnice... rovnice obsahující pouze celé nezáporné mocnin neznámé, tj. a n n + a n 1 n 1 +... + a 2 2 + a 1 + a 0 = 0, kde n je přirozené číslo.
VíceVYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY
VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY Jan Krejčí 31. srpna 2006 jkrejci@physics.ujep.cz http://physics.ujep.cz/~jkrejci Obsah 1 Přímé metody řešení soustav lineárních rovnic 3 1.1 Gaussova eliminace...............................
VíceB) výchovné a vzdělávací strategie jsou totožné se strategiemi vyučovacího předmětu Matematika.
4.8.3. Cvičení z matematiky Předmět Cvičení z matematiky je vyučován v sextě a v septimě jako volitelný předmět. Vzdělávací obsah vyučovacího předmětu Cvičení z matematiky vychází ze vzdělávací oblasti
VíceČeské vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM
OKRUHY ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM Obor: Studijní program: Aplikace přírodních věd 1. Vektorový prostor R n 2. Podprostory 3. Lineární zobrazení 4. Matice 5. Soustavy lineárních rovnic
VíceVýpočet průsečíků paprsku se scénou
Výpočet průsečíků paprsku se scénou 1996-2008 Josef Pelikán, MFF UK Praha http://cgg.ms.mff.cuni.cz/~pepca/ Josef.Pelikan@mff.cuni.cz NPGR004, intersection.pdf 2008 Josef Pelikán, http://cgg.ms.mff.cuni.cz/~pepca
VíceGlobální osvětlení v real-time 3D grafice. Bc. Jaroslav Meloun
České vysoké učení technické v Praze Fakulta elektrotechnická Diplomová práce Globální osvětlení v real-time 3D grafice Bc. Jaroslav Meloun Vedoucí práce: Ing. Daniel Sýkora, Ph.D. Studijní program: Elektrotechnika
VícePočítačová grafika III Monte Carlo integrování II. Jaroslav Křivánek, MFF UK
Počítačová grafika III Monte Carlo integrování II Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Monte Carlo integrování Obecný nástroj k numerickému odhadu určitých integrálů f(x) p(x) Integrál:
VícePočítačová grafika III Světlo, Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Světlo, Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. 2 Fotorealistická syntéza obrazu
Více0 0 a 2,n. JACOBIOVA ITERAČNÍ METODA. Ax = b (D + L + U)x = b Dx = (L + U)x + b x = D 1 (L + U)x + D 1 b. (i) + T J
6 Jacobiova a Gaussova-Seidelova iterační metoda pro řešení systémů lin rovnic Kateřina Konečná/ ITERAČNÍ METODY PRO ŘEŠENÍ SYSTÉMŮ LINEÁRNÍCH ROVNIC Budeme se zabývat řešením soustavy lineárních rovnic
VícePočítačová grafika III Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Směr, prostorový úhel, integrování na jednotkové kouli Směr ve 3D Směr = jednotkový vektor ve 3D Kartézské souřadnice
VíceDnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda
Předmět: MA 4 Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda Četba: Text o lineární algebře v Příručce přežití na webových
VíceTextury a šumové funkce
Textury a šumové funkce 1998-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Textures 2016 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 28 Účinek textury modulace
VíceFaculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague
1 / 40 regula Faculty of Nuclear Sciences and Physical Engineering Czech Technical University in Prague regula 1 2 3 4 5 regula 6 7 8 2 / 40 2 / 40 regula Iterační pro nelineární e Bud f reálná funkce
VíceNumerické řešení soustav lineárních rovnic
Numerické řešení soustav lineárních rovnic irko Navara Centrum strojového vnímání, katedra kybernetiky elektrotechnická fakulta ČVUT, Praha http://cmpfelkcvutcz/~navara 30 11 2016 Úloha: Hledáme řešení
VíceNumerické řešení soustav lineárních rovnic
Numerické řešení soustav lineárních rovnic Mirko Navara http://cmpfelkcvutcz/~navara/ Centrum strojového vnímání, katedra kybernetiky FEL ČVUT Karlovo náměstí, budova G, místnost 04a http://mathfeldcvutcz/nemecek/nummethtml
VíceTransformace obrazu Josef Pelikán KSVI MFF UK Praha
Transformace obrazu 99725 Josef Pelikán KSVI MFF UK Praha email: Josef.Pelikan@mff.cuni.cz WWW: http://cgg.ms.mff.cuni.cz/~pepca/ Transformace 2D obrazu dekorelace dat potlačení závislosti jednotlivých
VíceSoustavy lineárních rovnic-numerické řešení. October 2, 2008
Soustavy lineárních rovnic-numerické řešení October 2, 2008 (Systém lin. rovnic) Systém rovnic a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + + a 2n x n = b 2... a n1 x 1 + a n2 x 2 + + a
VíceStátní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách
Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách Ústní zkouška z oboru Náročnost zkoušky je podtržena její ústní formou a komisionálním charakterem. Předmětem bakalářské zkoušky
VíceObraz matematický objekt. Spojitý obraz f c : (Ω c R 2 ) R
Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Obraz matematický objekt Spojitý obraz f c : (Ω c R 2 ) R Diskrétní obraz f d : (Ω {0... n 1 } {0... n 2 }) {0... f max } Obraz matematický objekt
VíceÚlohy k přednášce NMAG 101 a 120: Lineární algebra a geometrie 1 a 2,
Úlohy k přednášce NMAG a : Lineární algebra a geometrie a Verze ze dne. května Toto je seznam přímočarých příkladů k přednášce. Úlohy z tohoto seznamu je nezbytně nutné umět řešit. Podobné typy úloh se
VíceHDR obraz (High Dynamic Range)
HDR obraz (High Dynamic Range) 2010-2016 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ 1 / 24 Velká dynamika obrazu světlé partie (krátká expozice) tmavé partie (dlouhá
VíceCGI. Computer generated imagery Počítačové triky Animované filmy Počítačové hry. Technologické trendy v AV tvorbě, CGI 2
CGI Computer generated imagery Počítačové triky Animované filmy Počítačové hry Technologické trendy v AV tvorbě, CGI 2 CGI Šíření světla v prostoru Možnosti simulace šíření v PC Pohyby CGI objektů Technologické
Víceterminologie předchozí kapitoly: (ϕ, Ω) - plocha, S - geometrický obraz plochy
2. Plošný integrál. Poznámka. Obecně: integrování přes k-rozměrné útvary (k-plochy) v R n. Omezíme se na případ k = 2, n = 3. Definice. Množina S R 3 se nazve plocha, pokud S = ϕ(), kde R 2 je otevřená
VíceKompresní metody první generace
Kompresní metody první generace 998-20 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Stillg 20 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca / 32 Základní pojmy komprese
VícePočítačová grafika III Světlo, Radiometrie. Jaroslav Křivánek, MFF UK
Počítačová grafika III Světlo, Radiometrie Jaroslav Křivánek, MFF UK Jaroslav.Krivanek@mff.cuni.cz Syntéza obrazu (Rendering) Vytvoř obrázek z matematického popisu scény. Fotorealistická syntéza obrazu
VícePožadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory
Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory Zkouška ověřuje znalost základních pojmů, porozumění teorii a schopnost aplikovat teorii při
VíceZáklady algoritmizace a programování
Základy algoritmizace a programování Příklady v MATLABu Přednáška 10 30. listopadu 2009 Řídící instrukce if else C Matlab if ( podmínka ) { } else { } Podmíněný příkaz if podmínka elseif podmínka2... else
VícePrecomputed radiance transfer
Precomputed radiance transfer Martin Bulant 11. dubna 2011 Reprezentace funkce na sféře Reálnou funkci na sféře G(x) aproximujeme pomocí lineární kombinace lineárně nezávislých bázových funkcí B i (x):
Vícea vlastních vektorů Příklad: Stanovte taková čísla λ, pro která má homogenní soustava Av = λv nenulové (A λ i I) v = 0.
Výpočet vlastních čísel a vlastních vektorů S pojmem vlastního čísla jsme se již setkali například u iteračních metod pro řešení soustavy lineárních algebraických rovnic. Velikosti vlastních čísel iterační
VícePočítačová grafika 2 (POGR2)
Počítačová grafika 2 (POGR2) Pavel Strachota FJFI ČVUT v Praze 19. února 2015 Kontakt Ing. Pavel Strachota, Ph.D. Katedra matematiky Trojanova 13, místnost 033a E-mail: pavel.strachota@fjfi.cvut.cz WWW:
VíceNumerická matematika 1
Numerická matematika 1 Obsah 1 Řešení nelineárních rovnic 3 1.1 Metoda půlení intervalu....................... 3 1.2 Metoda jednoduché iterace..................... 4 1.3 Newtonova metoda..........................
VíceVýpočet průsečíků paprsku se scénou
Výpočet průsečíků paprsku se scénou 1996-2018 Josef Pelikán CGG MFF UK Praha pepca@cgg.mff.cuni.cz http://cgg.mff.cuni.cz/~pepca/ Intersection 2018 Josef Pelikán, http://cgg.mff.cuni.cz/~pepca 1 / 26 Průsečík
VíceDRN: Soustavy linárních rovnic numericky, norma
DRN: Soustavy linárních rovnic numericky, norma Algoritmus (GEM: Gaussova eliminace s částečným pivotováním pro převod rozšířené regulární matice na horní trojúhelníkový tvar). Zadána matice C = (c i,j
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA INFORMAČNÍCH TECHNOLOGIÍ ÚSTAV POČÍTAČOVÉ GRAFIKY A MULTIMÉDIÍ FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF COMPUTER GRAPHICS AND
VíceZobrazování vektorových polí
Zobrazování vektorových polí 1996-2015 Josef Pelikán, CGG MFF UK Praha http://cgg.mff.cuni.cz/~pepca/ pepca@cgg.mff.cuni.cz 1 / 28 Proudění v tekutinách statické proudění zobrazení v: R3 R3 v každém bodě
Více7. OSVĚTLENÍ. Cíl Po prostudování této kapitoly budete znát. Výklad. 7. Osvětlení
7. OSVĚTENÍ Cíl Po prostudování této kapitoly budete znát základní pojmy při práci se světlem charakteristické fyzikální vlastnosti světla důležité pro práci se světlem v počítačové grafice základní operace
VíceZáklady 3D modelování a animace v CGI systémech Cinema 4D C4D
EVROPSKÝ SOCIÁLNÍ FOND Základy 3D modelování a animace v CGI systémech Cinema 4D C4D PRAHA & EU INVESTUJEME DO VAŠÍ BUDOUCNOSTI Mgr. David Frýbert 2013 CGI systémy Computer - generated imagery - aplikace
VíceNumerické metody a programování. Lekce 8
Numerické metody a programování Lekce 8 Optimalizace hledáme bod x, ve kterém funkce jedné nebo více proměnných f x má minimum (maximum) maximalizace f x je totéž jako minimalizace f x Minimum funkce lokální:
Více