Representació en Temps Real de Models Massius

Esteu aquí

Crèdits
6
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits
Departament
CS
Aquest curs introduirà les diverses tècniques que permeten la visualització interactiva i la manipulació d'objectes i escenes molt complexos. Si bé hi ha hagut un salt en la potència del maquinari de gràfics, és possible generar conjunts de dades més complexos a través dels avenços en el modelatge 3D, simulació i captura de dades. Per tant, la necessitat de tractar aquests models massius sorgeix en camps com ara la visualització científica, CAD, el patrimoni cultural, motors de videojocs i altres. Els estudiants estaran exposats a una representació jeràrquica d'escenes, la simplificació de models i algorismes de visibilitat. Com a resultat, s'obtindrà una visió global del problema i un ampli coneixement de les solucions actuals.

Hores setmanals

Teoria
2
Problemes
0
Laboratori
1
Aprenentatge dirigit
0
Aprenentatge autònom
5

Objectius

  1. Ús de models geomètrics jeràrquics per a la visualització de models molts grans.
    Competències relacionades: CEE1.1, CG3, CTR5, CTR6,
  2. Algorismes per la simplificació de malles de triangles.
    Competències relacionades: CEE1.1, CG3, CTR5, CTR6,
  3. Algorismes de càlcul de visibilitat.
    Competències relacionades: CEE1.1, CG3, CTR5, CTR6,
  4. Navegació en entorns complexos
    Competències relacionades: CEE1.1, CG3, CB8, CB9, CTR5, CTR6,

Continguts

  1. Models geomètrics jeràrquics
    Algorismes de subdivisió de l'espai (regular grids, octrees, BSP trees, Kd-trees), subdivisió de l'escena (BVHs) i estructures de dades basades en memoria externa.
  2. Estructures de representació de malles
    Estructures de representació de malles triangulars i poligonals: Independent face set, Indexed face set, Adjacency lists, Winged edge, Half edge, Corner table.
  3. Simplificació de malles de triangles
    Introducció als conceptes i operacions bàsiques i les mètriques d'error usades en simplificació de geometria i topologia. La seva aplicació a la simplificació amb conservació de l'aparença i simplificació de models gegants en memòria externa.
  4. Nivell de detall
    Introducció a la idea de nivell de detall a nivell d'objecte i a la seva aplicació a escenes composades per múltiples models (time critical rendering). Tipus d'estratègies: discretes, continues, i depenents de la vista. Prevenció de popping.
  5. Càlcul de visibilitat
    Introducció als conceptes bàsics i algorismes per al càlcul de visibilitat, incloent preprocessament de visibilitat, visibilitat des de punt i regió, i el càlcul de la visibilitat usant la GPU. Compressió de PVS.
  6. Navegació interactiva en entorns complexos
    Com estructurar models gegants per a la visualització en memòria externa d'escenes de grans dimensions. L'ús de visualització dependent de la vista. Algorismes per a la detecció de col·lisions en models molt grans.

Activitats

Activitat Acte avaluatiu


Models geomètrics jeràrquics


Objectius: 1
Continguts:
Teoria
12h
Problemes
0h
Laboratori
6h
Aprenentatge dirigit
0h
Aprenentatge autònom
27h

Algorismes de simplificació de malles de triangles


Objectius: 2
Teoria
8h
Problemes
0h
Laboratori
4h
Aprenentatge dirigit
0h
Aprenentatge autònom
18h

Algorismes pel càlcul de la visibilitat


Objectius: 3
Continguts:
Teoria
8h
Problemes
0h
Laboratori
4h
Aprenentatge dirigit
0h
Aprenentatge autònom
18h

Navegació interactiva en entorns complexos


Objectius: 4
Continguts:
Teoria
8h
Problemes
0h
Laboratori
4h
Aprenentatge dirigit
0h
Aprenentatge autònom
18h

Presentació

Each student has to prepare the corresponding presentation and a supporting document, which have to sent to the course coordinator before the session.
Objectius: 1 2 3 4
Setmana: 15
Tipus: entrega
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
3h
Aprenentatge autònom
6h

Problemes

Conjunt de problemes plantejats durant el curs destinats a avaluar l'adquisició de coneixements de l'estudiant al llarg del curs.

Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
9h

Metodologia docent

Aquest curs està estructurat en tres tipus de sessions:

* Sessions T (teoria): presentació donada pel professor corresponent. El professor demanarà als alumnes que facin alguns exercicis breus sobre els temes tractats en aquestes sessions.

* Sessions D (discussió): sessions dutes a terme pel professor, en què alguns alumnes resoldran exercicis o presentaran articles prèviament distribuïts. Cada estudiant ha de preparar la presentació corresponent i un document de suport, que s'han de trametre al coordinador del curs abans de la seva sessió D.

* Sessions L (laboratori): en aquestes sessions els alumnes hauran de resoldre problemes pràctics programant alguns dels algorismes presentats a les sessions de teoria.

Mètode d'avaluació

La qualificació final es calcula com:

    FinalQualification = 0,25 * ShortExercises + 0,25 * DPresentation + 0,5 * LabQualification

on:

* ShortExercises representa els problemes curts que l'instructor demanarà durant les sessions T.

* DPresentation és la presentació que els estudiants realitzaran sobre un paper seleccionat d'una llista.

* LabQualification serà la qualificació obtinguda pels alumnes en les sessions de L.

Bibliografia

Bàsica:

Complementaria:

  • Massive model visualization techniques: course notes. - David Kasik, Andreas Dietrich, Enrico Gobbetti, Fabio Marton, Dinesh Manocha, Philipp Slusallek, Abe Stephens, and Sung-Eui Yoon, ACM SIGGRAPH 2008 classes (SIGGRAPH '08) , 2008.