Ανάπτυξη μεθόδων για αποδοτική πολυθραυσματική απόδοση σκηνών
| dc.contributor.author | Παπακώστας, Κωνσταντίνος | el |
| dc.date.accessioned | 2022-11-30T07:41:52Z | |
| dc.date.available | 2022-11-30T07:41:52Z | |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/32184 | |
| dc.identifier.uri | http://dx.doi.org/10.26268/heal.uoi.11996 | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Θραύσματα | el |
| dc.subject | Βάθος | el |
| dc.subject | Διαφάνεια | el |
| dc.subject | Σκηνή | el |
| dc.subject | Fragments | en |
| dc.subject | Depth feeling | en |
| dc.subject | Transparency | en |
| dc.subject | Scene | en |
| dc.title | Ανάπτυξη μεθόδων για αποδοτική πολυθραυσματική απόδοση σκηνών | el |
| dc.title | Development of methods for efficient multifragment rendering | en |
| dc.type | info:eu-repo/semantics/masterThesis | * |
| heal.abstract | Στόχος της συγκεκριμένης εργασίας είναι η κατασκευή αποδοτικών μεθόδων για πολυθραυσματική απόδοση. Το αντικείμενο της εργασίας είναι η απόδοση 3D σκηνής με πολλαπλά αντικείμενα τα οποία μπορούν να έχουν μερική ή πλήρη διαφάνεια. Το τελικό αποτέλεσμα είναι μια εικόνα που αποδίδει τη σκηνή από μια συγκεκριμένη οπτική γωνία. Ονομάζεται πολυθραυσματική γιατί το χρώμα κάθε εικονοστοιχείου της τελικής εικόνας προέρχεται όχι μόνο από το κοντινότερο προς την κάμερα θραύσμα (θραύσμα είναι το τμήμα ενός αντικειμένου που προβάλλεται νοητά στο αντίστοιχο εικονοστοιχείο) αλλά από όλα τα θραύσματα που αφορούν το εικονοστοιχείο αυτό. Με χρήση του σύγχρονου υλικού για γραφικά μπορεί να συλλεχθεί η πληροφορία για όλα τα θραύσματα, να ταξινομηθούν σύμφωνα με το βάθος στη σκηνή και μετά να υπολογιστεί το ιδανικό αποτέλεσμα. Η μέθοδος αυτή ονομάζεται OIT (Order Independent Transparency) είναι αργή, έχει μεγάλες απαιτήσεις σε μνήμη και δεν ενδείκνυται για γραφικά πραγματικού χρόνου. Μια προσέγγιση της μεθόδου αυτής είναι Weighted Blended Transparency όπου το κάθε θραύσμα συνεισφέρει στο χρώμα του εικονοστοιχείου με ένα βάρος που είναι συνάρτηση του βάθους και του συντελεστή διαφάνειας χωρίς να γίνει ταξινόμηση των θραυσμάτων. Στην εργασία αυτή έχουμε μελετήσει την προσθήκη ενός νευρωνικού δικτύου αντί της συνάρτησης βάρους που έχει εκπαιδευθεί ώστε να προσεγγίζει τον συντελεστή με τον οποίο το θραύσμα συμμετέχει στην βέλτιστη μέθοδο (OIT).Η υλοποίηση των αλγορίθμων έγινε με χρήση WebGL και Javascript και το νευρωνικό υλοποιήθηκε σε python με χρήση του tensorflow. | el |
| heal.abstract | The goal of this work is to construct efficient methods for multi-fragment rendering. The scope of the work is to render a 3D scene with multiple objects which can be partially or fully transparent. The final result is an image that renders the scene from a specific viewpoint. It is called multi-fragment because the color of each pixel of the final image is derived not only from the closest fragment to the camera (a fragment is the part of an object that is mentally projected onto the corresponding pixel) but from all the fragments that relate to that pixel. Using modern graphics hardware, information about all fragments can be collected, sorted according to depth in the scene, and then the ideal result can be calculated. This method called OIT (Order Independent Transparency) is slow, has large memory requirements and is not suitable for real-time graphics. An approximation of this method is Weighted Blended Transparency where each fragment contributes to the pixel color with a weight that is a function of depth and transparency factor without sorting the fragments. In this work we have studied the addition of a neural network instead of the weight function trained to approximate the factor at which the fragment participates in the optimal method (OIT). The implementation of the algorithms was done using WebGL and Javascript and the neural was implemented in python using the tensorflow libraries. | en |
| heal.academicPublisher | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.academicPublisherID | uoi | |
| heal.access | free | |
| heal.advisorName | Φούντος, Ιωάννης | el |
| heal.bibliographicCitation | Βιβλιογραφία: σ. 29 | el |
| heal.classification | Διαφάνεια | |
| heal.committeeMemberName | Φούντος, Ιωάννης | el |
| heal.committeeMemberName | Δημακόπουλος, Βασίλειος | el |
| heal.committeeMemberName | Τενεντες, Βασίλειος | el |
| heal.dateAvailable | 2022-11-30T07:42:52Z | |
| heal.fullTextAvailability | true | |
| heal.language | el | |
| heal.numberOfPages | 39 σ. | |
| heal.publicationDate | 2022 | |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής | el |
| heal.type | masterThesis | |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| heal.type.en | Master thesis | en |
Αρχεία
Πρωτότυπος φάκελος/πακέτο
1 - 1 of 1
Φόρτωση...
- Ονομα:
- Μ.Ε. ΠΑΠΑΚΩΣΤΑΣ ΚΩΝΣΤΑΝΤΙΝΟΣ 2022.pdf
- Μέγεθος:
- 1.96 MB
- Μορφότυπο:
- Adobe Portable Document Format
- Περιγραφή:
Φάκελος/Πακέτο αδειών
1 - 1 of 1
Φόρτωση...
- Ονομα:
- license.txt
- Μέγεθος:
- 1.71 KB
- Μορφότυπο:
- Item-specific license agreed upon to submission
- Περιγραφή: