Renderización Escalable en Gráficos y Videojuegos

Créditos
6
Tipos
Complementaria de especialidad (Gráficos y Realidad Virtual)
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
CS
Este curso introducirá las diversas técnicas que permiten la visualización interactiva y la manipulación de objetos y escenas muy complejos. Si bien ha habido un salto en la potencia del hardware de gráficos, es posible generar conjuntos de datos más complejos a través de los avances en el modelado 3D, simulación y captura de datos. Por lo tanto, la necesidad de tratar estos modelos masivos surge en campos tales como la visualización científica, CAD, el patrimonio cultural, motores de videojuegos y otros. Los estudiantes estarán expuestos a una representación jerárquica de escenas, la simplificación de modelos y algortimos de visibilidad. Como resultado, se obtendrá una visión global del problema y un amplio conocimiento de las soluciones actuales.

Profesorado

Responsable

Otros

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
7.54

Competencias

Competencias Técnicas de cada especialidad

Computer graphics and virtual reality

  • CEE1.1 - Capacidad de comprender y saber aplicar las tecnologías actuales y las que en el futuro se utilicen para el diseño y evaluación de aplicaciones gráficas interactivas en tres dimensiones, tanto cuando prime la calidad de imagen como cuando lo haga la interactividad o la velocidad, así como comprender los compromisos inherentes y las razones que los ocasionan.

    • Competencias Técnicas Genéricas

    Genéricas

  • CG3 - Capacidad para el modelado matemático, cálculo y diseño experimental en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación e innovación en todos los ámbitos de la Informática.

    • Competencias Transversales

    Actitud frente al trabajo

  • CTR5 - Tener motivación para la realización profesional y para afrontar nuevos retos, así como una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Ingeniería en Informática. Tener motivación por la calidad y la mejora continua, y actuar con rigor en el desarrollo profesional. Capacidad de adaptación a los cambios organizativos o tecnológicos. Capacidad de trabajar en situaciones de falta de información y/o con restricciones temporales y/o de recursos.

    • Razonamiento

  • CTR6 - Capacidad de razonamiento crítico, lógico y matemático. Capacidad para resolver problemas dentro de su área de estudio. Capacidad de abstracción: capacidad de crear y utilizar modelos que reflejen situaciones reales. Capacidad de diseñar y realizar experimentos sencillos, y analizar e interpretar sus resultados. Capacidad de análisis, síntesis y evaluación.

    • Básicas

  • CB8 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB9 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

    • Objetivos

    1. Uso de modelos geométricos jerárquicos para la visualización de modelos muy grandes.
      Competencias relacionadas: CEE1.1, CG3, CTR5, CTR6,
    2. Algoritmos para la simplificación de mallas de triángulos.
      Competencias relacionadas: CEE1.1, CG3, CTR5, CTR6,
    3. Algoritmos de cálculo de visibilidad
      Competencias relacionadas: CEE1.1, CG3, CTR5, CTR6,
    4. Navegación en entornos complejos
      Competencias relacionadas: CEE1.1, CG3, CB8, CB9, CTR5, CTR6,

    Contenidos

    1. Modelos geométricos jerárquicos
      Algoritmos de subdivisión del espacio (regular grids, octrees, BSP trees, Kd-trees), subdivisión de la escena (BVHs) y estructuras de datos basados ​​en memoria externa.
    2. Estructuras de representación de mallas
      Estructuras de representación de mallas triangulares y poligonales: Independent face set, Indexed face set, Adjacency lists, Winged edge, Half edge, Corner table.
    3. Simplificación de mallas de triángulos
      Introducción a los conceptos, operadores básicos y las métricas de error usados ​​en simplificación de geometría y topología. Su aplicación a la simplificación con conservación de la apariencia y simplificación de modelos gigantes en memoria externa.
    4. Nivel de detalle
      Introducción a la idea de nivel de detalle a nivel de objeto y su aplicación a escenas compuestas de múltiples modelos (time critical rendering). Tipos de estrategias: discretas, continuas, y dependientes de la vista. Prevención de popping.
    5. Cálculo de visibilidad
      Introducción a los conceptos básicos y algoritmos para el cálculo de visibilidad, incluyendo preprocesamiento de visibilidad, visibilidad desde punto y región, y el cálculo de la visibilidad usando la GPU. Compresión de PVS.
    6. Navegación interactiva en entornos complejos
      Cómo estructurar modelos gigantes para la visualización en memoria externa de escenas de gran tamaño. El uso de visualización dependiente de la vista. Algoritmos para la detección de colisiones en modelos muy grandes.

    Actividades

    Actividad Acto evaluativo


    Modelos geométricos jerárquicos


    Objetivos: 1
    Contenidos:
    Teoría
    12h
    Problemas
    0h
    Laboratorio
    6h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    27h

    Algoritmos de simplificación de mallas de triángulos


    Objetivos: 2
    Teoría
    8h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    18h

    Algoritmos para el cálculo de la visibilidad


    Objetivos: 3
    Contenidos:
    Teoría
    8h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    18h

    Navegación interactiva en entornos complejos


    Objetivos: 4
    Contenidos:
    Teoría
    8h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    18h

    Presentación

    Each student has to prepare the corresponding presentation and a supporting document, which have to sent to the course coordinator before the session.
    Objetivos: 1 3 4 2
    Semana: 15
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Problemas

    Conjunto de problemas planteados durante el curso destinados a evaluar la adquisición de conocimientos del estudiante a lo largo del curso.

    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    9h

    Metodología docente

    Este curso está estructurado en tres tipos de sesiones:

    * Sesiones T (teoría): presentación dada por el profesor correspondiente. El profesor pedirá a los alumnos que hagan algunos ejercicios breves sobre los temas tratados en estas sesiones.

    * Sesiones D (discusión): sesiones llevadas a cabo por el profesor, en las que algunos alumnos resolverán ejercicios o presentarán artículos previamente distribuidos. Cada estudiante tiene que preparar la presentación correspondiente y un documento de apoyo, que deben enviarse al coordinador del curso antes de su sesión D.

    * Sesiones L (laboratorio): en estas sesiones los alumnos tendrán que resolver problemas prácticos programando algunos de los algoritmos presentados en las sesiones de teoría.

    Método de evaluación

    La calificación final se calcula como:

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

    donde:

    * ShortExercises representa los problemas cortos que el instructor pedirá durante las sesiones T.

    * DPresentation es la presentación que los estudiantes realizarán sobre un paper seleccionado de una lista.

    * LabQualification será la calificación obtenida por los alumnos en las sesiones de L.

    Bibliografía

    Básico

    Complementario

    • SIGGRAPH '08: ACM SIGGRAPH 2008 classes - David Kasik, Andreas Dietrich, Enrico Gobbetti, Fabio Marton, Dinesh Manocha, Philipp Slusallek, Abe Stephens, and Sung-Eui Yoon, Association for Computer Machinery, 2008.

    Capacidades previas

    Para poder cursar esta asignatura es necesario conocer OpenGL y haber cursado alguna asignatura de gráficos con anterioridad.