Visualització Científica

Esteu aquí

Inici » Estudis » Màsters » Màster en Innovació i Recerca en Informàtica » Pla d'estudis » Assignatures » Visualització Científica
Crèdits
6
Tipus
Complementària d'especialitat (Gràfics i Realitat Virtual)
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
CS
En aquesta assignatura es donaran coneixements bàsics de visualització de dades, visualització d'informació i visualització científica.
Es parlarà dels següents temes:
- Pipeline de visualització.
- Percepció en visualització.
- Tècniques bàsiques de visualització de dades.
- Visualització de dades mèdiques.
- Visualització de molècules.

Professorat

Responsable

  • Pere Pau Vázquez Alcocer ( )

Altres

  • Imanol Muñoz Pandiella ( )

Hores setmanals

Teoria
2
Problemes
1
Laboratori
1
Aprenentatge dirigit
0.5
Aprenentatge autònom
8.3

Competències

Competències Tècniques de cada especialitat

Gràfics i realitat virtual

  • CEE1.1 - Capacitat de comprendre i saber aplicar les tecnologies actuals i les que en el futur es facin servir per al disseny i avaluació d'aplicacions gràfiques interactives en tres dimensions, tant quan prevalgui la qualitat d'imatge com quan ho faci la interactivitat o la velocitat, així com comprendre els compromisos inherents i les raons que els ocasionen.
  • CEE1.3 - Capacitat d'integrar les tecnologies esmentades en les competències CEE1.1 i CEE1.2 amb altres tecnologies de tractament digital de la informació per construir noves aplicacions; així com efectuar contribucions significatives en equips multidisciplinaris que facin servir la informàtica gràfica.

Competències Tècniques Generals

Genèriques

  • CG3 - Capacitat per al modelatge matemàtic, càlcul i disseny experimental en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca i innovació en tots els àmbits de la Informàtica.

Competències Transversals

Emprenedoria i innovació

  • CTR1 - Conèixer i comprendre l'organització d'una empresa i les ciències que regeixen la seva activitat; capacitat de comprendre les regles laborals i les relacions entre la planificació, les estratègies industrials i comercials, la qualitat i el benefici. Desenvolupar la creativitat, l'esperit emprenedor i la tendència a la innovació.

ús solvent dels recursos d'informació

  • CTR4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i d'informació de l'àmbit de l'enginyeria informàtica, i valorar de forma crítica els resultats d'aquesta gestió.

Objectius

  1. By the end of the course, students should be able to know the main concepts behind visualization and representation of volume models in scientific applications (mainly in medical applications). More specifically they will be able to undestand and program algorithms for:
    Competències relacionades:

Continguts

  1. Introduction to Visualization. Perception in Visualization
    Basic concepts of visualization: goals, tasks, users.
    Elements of perception and its application in Visualization: pre-attentive variables, visual channels...
  2. Multi-dimensional data visualization
    Techniques for visualization of multiple-dimensional data.
  3. Multiple Views Visualization
    Multiple Views. Common designs, examples, analysis of advantages and inconvenients.
  4. Molecular visualization
    Introduction to Molecular Visualization: motivation, data, and rendering algorithms.
  5. GPU-based Volume Rendering
    Presentation of the main algorithms of direct volume rendering, including 3D textures and ray-casting. Transfer fuctions. GPU-based ray-casting.
  6. Advanced Scientific Visualization Techniques
    Introduction to Molecular Visualization: motivation, data, and rendering algorithms.
    Introduction to DTI rendering: data, applications, measures, algorithms.

Activitats

Activitat Acte avaluatiu


Classes de teoria

Material will be presented in lectures along the term. You are expected to conduct complementary readings to be presented at a later date or turned in.

Teoria
30h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
30h

Implementació d'algorismes seleccionats

A selection of relevant algorithms will be assigned to implement in Lab sessions and on your own, in VTK and C++. You may be required to present your solution in class.

Teoria
0h
Problemes
0h
Laboratori
15h
Aprenentatge dirigit
0h
Aprenentatge autònom
45h

Pràctica de laboratori

Els estudiants hauran de completar un projecte de laboratori que inclourà dos o més treballs pràctics que consisteixin a implementar algunes de les tècniques desenvolupades a les classes magistrals. Aquest projecte serà presentat i discutit en una data posterior o activat per a la seva classificació.

Teoria
0h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
20h

Examen Final

At the end of the term, the students will have a final exam, which may be a take-home,

Setmana: 18
Tipus: examen final
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

El professor imparteix classes teòriques on s'introdueixen els conceptes més importants; a més, es proporcionarà material complementari.
Durant la classe de laboratori, els estudiants rebran les pautes per a l'anàlisi i implementació de les seves assignacions de programació i tindran temps de treballar en les seves tasques amb la supervisió del professor quan sigui necessari.

Mètode d'avaluació

Els alumnes seran avaluats per la seva assistència i participació a classe (incloent la presentació dels treballs i la seva discussió), amb una nota "Articles".

Una altra nota es deriva de les implementacions dels alumnes d'algoritmes seleccionats (que poden incloure la presentació de la seva solució en una classe de laboratori), que donen una marca "Lab".

Finalment, els alumnes rebran una tercera nota basada en la seva actuació en l'examen final, que donarà "Examen".

La nota final del curs es computarà com:

Grau final = 0,2 Articles + 0,6 Lab + 0,2 Examen

Bibliografia

Bàsica:

Complementaria:

Web links

Capacitats prèvies

The course assumes advanced C++ and GPU progamming skills, and computer graphics.
Completing, for instance, FRR and SRGGE should provide enough background.