Szécsi László 3D Grafikus Rendszerek 11. előadás

Slides:



Advertisements
Hasonló előadás
Lineáris regressziós MODELLEK
Advertisements

Statisztika II. I. Dr. Szalka Éva, Ph.D..
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
Számítógépes grafika és képfeldolgozás
4. Folytonos wavelet transzformáció (CWT) –folytatás
Vektormező szinguláris pontjainak indexe
3. Folytonos wavelet transzformáció (CWT)
1. Bevezetés a waveletekhez (folytatás)
Geometriai modellezés
3D képszintézis fizikai alapmodellje
Sűrűségfüggvény Parzen becslés Mintapontszám, szigma.
Digitális képanalízis
 Gauss szűrő uniform sampler2D colorMap; const float kernel[9] = float[9]( 1.0, 2.0, 1.0, 2.0, 4.0, 2.0, 1.0, 2.0, 1.0); out vec4 outColor; void main(){
Térinformatikai elemzések. Megválaszolható kérdések Pozíció - mi van egy adott helyen Feltétel - hol vannak …? Trendek - mi változott meg? Minta - milyen.
Digitális Domborzat Modellek (DTM)
Matematikai Statisztika VIK Doktori Iskola
Előadás 51 Kormányzati politika Államkötvény nélküli eset Az egyensúlyi modellben a kormányzati változók közül 2 exogén, egy endogén, mivel a kormányzat.
Hálózati Biológia A sejt funkcionális működésének megértése.
Statisztika II. X. Dr. Szalka Éva, Ph.D..
Számítógépes grafika, PPKE-ITK, Benedek Csaba, 2010 Geometriai modellezés 2. előadás.
Zajgenerátor.
Integrálszámítás Mire fogjuk használni az integrálszámítást a matematikában, hova szeretnénk eljutni? Hol használható és mire az integrálszámítás? (már.
Programozás I Függvények általános jellemzői
Matematika III. előadások MINB083, MILB083
Online hasonlóságelemzések: Online hasonlóságelemzések: Tapasztalatok (kukorica) hozamfüggvények levezetése kapcsán Pitlik László, SZIE Gödöllő (Forrás:
GÁSPÁR MERSE ELŐD VÉGTELEN ELLENÁLLÁSHÁLÓZATOK SZÁMÍTÁSA Cserti József Dávid Gyula.
Kvantitatív módszerek
Folytonos jelek Fourier transzformációja
Példák a Fourier transzformáció alkalmazására
Rendszerek sajátfüggvényei és azok tulajdonságai Folytonos (FT) rendszerekkel foglalkozunk,de az eredmények átvihetők diszkrét rendszerekre is. kt)kt)
Diszkrét változójú függvények Fourier sora
Véletlenszám generátorok
A szinusz és koszinuszfüggvény definíciója, egyszerű tulajdonságai
Bevezetés az alakmodellezésbe II. Budapesti Műszaki Főiskola Neumann János Informatikai Főiskolai Kar A Műszaki Tervezés Rendszerei 2000/2001 tanév, I.
Gyengén nemlineáris rendszerek modellezése és mérése Készítette: Kis Gergely Konzulens: Dobrowieczki Tadeusz (MIT)
Szabványos függvények a Pascalban. Bevezetés Pascalban a függvények feladata, hogy a bemenő paraméterekből előállítsák a függvényértékeket Függvényeket.
Gazdaságstatisztika 11. előadás.
Gazdaságstatisztika 12. előadás.
Fraktálok és csempézések
Folytonos eloszlások.
Programozási tételek.
5. Folytonos wavelet transzformáció (CWT) – újabb folytatás
Nagy Szilvia 4. I−Q-moduláció
Jelfeldolgozás alapfogalmak
A folytonosság Digitális tananyag.
A HATÁROZOTT INTEGRÁL FOGALMA
Számítógépes grafika, PPKE-ITK, Benedek Csaba, 2010 Geometriai modellezés 2. előadás.
előadások, konzultációk
PPKE ITK 2008/09 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás 4.
1 Megerősítéses tanulás 4. előadás Szita István, Lőrincz András.
Algoritmusok és adatszerkezetek elemzése II.
GPU alapú fotontranszport nagyfelbontású heterogén közegben BME IIT Szirmay-Kalos László Magdics Milán Tóth Balázs.
Vizualizáció és képszintézis Térfogati fényterjedés Szécsi László.
Nagyon nagy gráfok Lovász László Microsoft Research
Integrálszámítás.
Vizualizáció és képszintézis
Vizualizáció és képszintézis
Lineáris egyenletrendszerek megoldása
GPGPU – CUDA 2..
Nem módosítható keresések
Szécsi László 3D Grafikus Rendszerek 7. előadás
Material+ kioptimalizált uniformok
Sugármetszés implicit szintfelülettel
Valószínűségi változó, eloszlásfüggvény
Valószínűségi változók együttes eloszlása
Environment mapping Szécsi László
Matematika I. BGRMA1GNNC BGRMA1GNNB 3. előadás.
Valószínűségi törvények
Gazdaságinformatikus MSc
A mesterséges neuronhálók alapjai
Előadás másolata:

Szécsi László 3D Grafikus Rendszerek 11. előadás Zaj Szécsi László 3D Grafikus Rendszerek 11. előadás

Egyszerű zaj float snoise(vec3 r) { vec3 s = vec3(7502, 22777, 4767); float f = 0.0; for(int i=0; i<16; i++) { f += sin( dot(s - vec3(32768, 32768, 32768), r) / 65536.0); s = mod(s, 32768.0) * 2.0 + floor(s / 32768.0); } return f / 32.0 + 0.5;

Egyszerű zaj gradiense vec3 snoiseGrad(vec3 r) { vec3 s = vec3(7502, 22777, 4767); vec3 f = vec3(0.0, 0.0, 0.0); for(int i=0; i<16; i++) { f += cos( dot(s, r - vec3(32768, 32768, 32768)) / 65536.0) * s; s = mod(s, 32768.0) * 2.0 + floor(s / 32768.0); } return f / 65536.0;

A jó zaj véletlenszerű struktúrálatlan vezérelhető a teljesítményspektruma procedurális kevés adatból számolható folytonos, végtelen felbontású nem-periódikus bármely pontban függetlenül kiértékelhető szűrhető (izotropikusan/anizotropikusan)

Zajok shaderben https://github.com/stegu/webgl-noise/ Perlin simplex cellular léteznek profibb zajok is (pl. textúraszintézishez) Gabor noise, Local Random Phase Fourier, wavelet

Lattice gradient noise (Perlin, simplex) szabályos rács (Perlinnél kockarács) rácspontokban pszeudo-véletlen gradiens hash függvény alapján 12 lapátló-irányból választ interpoláció ötödfokú polinommal

Ritka konvolúció (Cellular, Gabor) pontsorozat Poisson-folyamatból a pontokban elhelyezett tetszőleges kernelek összege teljesítményspektrum a kernel megválasztásával szabályozható Gabor: a kernel egy Gabor-szűrő (sin * Gauss)

Locally Random Phase Poission pontok helyett szabályos rácson elhelyezett kernelek de a fázis véletlen olyan mintha tologatnánk

Zaj alacsonyabb dimenziójú zajból praktikus lenne pl. 2D előreszámolt zajtextúrából 3D zajt gyártani simán összeadni vagy szorozni a vetítve kapott zajt nem jó (sakktáblás lesz) Gardner, Peachy teljesítményspektrum még mindig vonalszerű