1 / 68

Complexité Naturelle et Synthèse d’Images

Complexité Naturelle et Synthèse d’Images. Fabrice Neyret iMAGIS* - GRAVIR / IMAG - INRIA. * iMAGIS est un projet commun CNRS, INRIA, INPG et UJF. http://www-imagis.imag.fr/. Simuler les Scènes Naturelles. Cadre : effets spéciaux (réalisme) réalité virtuelle (temps réel )

halima
Download Presentation

Complexité Naturelle et Synthèse d’Images

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Complexité Naturelle etSynthèse d’Images Fabrice Neyret iMAGIS* - GRAVIR / IMAG - INRIA * iMAGIS est un projet commun CNRS, INRIA, INPG et UJF. http://www-imagis.imag.fr/

  2. Simuler les Scènes Naturelles • Cadre : • effets spéciaux (réalisme) • réalité virtuelle (temps réel) • Paradigme classique : • équations physique + données + gros ordinateur • simulation réaliste • Problème : • ne marche pas si bien !

  3. Les scènes naturelles sont complexes

  4. Elles contiennent énormément de détails :

  5. Le détail des mouvements est complexe :

  6. Scènes Naturelles en Synthèse d’Images Gardner 84 Reeves 85 Fournier & Reeves 86

  7. Deussen, Hanrahan, Lintermann, Mech, Pharr, Prusinkiewicz 98 AMAP Xfrog+Povray

  8. Lee & Musgrave Nishita, Nakamae, Dobashi 96 Areté Foster & Fedkiw 01

  9. Problèmes techniques rencontrés • travail de modélisation (de la scène) • stockage • Pour le rendu : • temps de calcul • aliasing • Pour l’animation : • résolution en temps et en espace • stabilité, convergence

  10. Problèmes plus fondamentaux • Les modèles physiques sont-ils complets ? • Les paramètres sont-ils disponibles ? • A-t-on besoin de cette mer de chiffres ?(on remarque surtout les effets émergents) • Quel contrôle du résultat global ?(même remarque)

  11. Et pourtant… les peintres y arrivent !

  12. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  13. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  14. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  15. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  16. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  17. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  18. Et pourtant… les peintres y arrivent ! • que voit-on réellement ? • formes à grande échelle • relief: occultations, ombres, parallaxe • illumination et reflets • mouvement : • parallaxe, • + ?

  19. Exploite-t-on toute la connaissance disponible ? • Il y a de grandes régularités dans les scènes naturelles !

  20. Mon approche pour traiter ces scènes Complexité spatiale • Représentations impressionnistes(i.e. alternatives aux polygones) Complexité d’échelles • Hiérarchie de modèles Complexité du mouvement • Modèles phénoménologiques Outils de description et construction

  21. Mon approche pour traiter ces scènes 1 Représentations impressionnistes(i.e. alternatives aux polygones) 2 Hiérarchie de modèles 3 Modèles phénoménologiques 4Outils de description et construction

  22. 1. Représentations: quelques ingrédients • Codage direct du comportement lumineux • champ de réflectance sur la surfacee.g.: BRDF, distribution de normales (NDF) • Codage volumique(e.g. pour pseudo-surfaces) • champ de densitétrès efficace à cette échelle • Codage texturel (plaquage de motifs) • champ de pixelscoût de rendu indépendant du motif revient à factoriser / quantifier la géométrie ( existants: IBR, lightfields, shaders, cartes de Z, surfels... )

  23. Les bonnes propriétés • Ces représentations sont compactes • pas plus que l'information visible (impressionisme) • moins de travail inutile pour le graphiste • Elles sont structurantes, ce qui permet • l'optimisation du temps de rendu • l'anti-aliasing (e.g.: MIP-mapping)

  24. Exemple 1: les textures volumiques • cube de texture • volume (voxels) • comportement lumineux • surface à texturer • mapping Kajiya & Kay 89

  25. Exemple 1: les textures volumiques • cube de texture • volume (voxels) • comportement lumineux • surface à texturer • mapping

  26. Exemple 1: les textures volumiques • cube de texture • volume (voxels) • comportement lumineux • surface à texturer • mapping

  27. Exemple 1: les textures volumiques

  28. Textures volumiques en temps-réel A.Meyer [EWR’98]

  29. F. Sénégas

  30. Exemple 2: les shaders hiérarchiques A. Meyer [GI’00] Formule analytique de la reflectance totale dans le pixel pixel

  31. Exemple 2: les shaders hiérarchiques pixel

  32. Exemple 2: les shaders hiérarchiques pixel

  33. v Exemple 3: les textures bidirectionnelles A. Meyer P. Poulin [EWR’01]

  34. 2. Hiérarchie de modèles • Habiller un modèle global avec un modèle local: • modèle physique de fluideà grande échelle et faible resolution + croute de lavedétails qualitatifs à haute résolution • hiérarchie de motifs animéscaractéristiques de chaque échellepour les nuages convectifs / la fumée • surface d’organe interactive+détails 3D déformables pour la simulation chirurgicale(bronches, intestins)

  35. Exemple: coulée de lave D. Stora, P.-O. Agliati, M-P. Cani [GI’99] • Modèle de mouvement • physique (approché) • large domaine • basse résolution • Simulation à base de particules

  36. Exemple: coulée de lave • Construction d’une surface • peau implicite • voisinages

  37. Exemple: coulée de lave • habillage

  38. 3. Modèles phénoménologiques • Caractériser les formes et leurs intéractions à grande échelle: • Modéliser directement les phénomènes émergents

  39. Exemple 1: Simulation des ruisseaux N. Praizelin [EWAS’01] • phénomènes émergents: ici, ridules et ondes de choc

  40. c ondes de gravité (dispersives) v cw cg ondes capillaires créées par une onde de choc cg c v ondes capillaires cg cw cw l Typologie des vagues stationnaires Cas non dispersif: cg = cw = c  onde de choc

  41. Construction géométrique des ondes

  42. 3. Add field perturbations

  43. Exemple 2: animation de nuages convectifs [EWAS’97] • Modéliser directement les instabilités caractéristiques

  44. Exemple 3: rendu de cumulus • Caractéristiques lumineuses prévisibles

  45. (travaux préliminaires)

More Related