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.
Horas semanales
Teoría
2
Problemas
0
Laboratorio
1
Aprendizaje dirigido
0
Aprendizaje autónomo
5
Objetivos
Uso de modelos geométricos jerárquicos para la visualización de modelos muy grandes.
Competencias relacionadas:
CTR5,
CTR6,
CEE1.1,
CG3,
Algoritmos para la simplificación de mallas de triángulos.
Competencias relacionadas:
CTR5,
CTR6,
CEE1.1,
CG3,
Algoritmos de cálculo de visibilidad
Competencias relacionadas:
CTR5,
CTR6,
CEE1.1,
CG3,
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.
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.
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.
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.
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.
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.
Each student has to prepare the corresponding presentation and a supporting document, which have to sent to the course coordinator before the session. Objetivos:1234 Semana:
15 Tipo:
entrega
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
3h
Aprendizaje autónomo
6h
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.