Obogatitev 3D upodobitve z globalnim osvetlitvenim modelom z uporabo generativnih nasprotniških nevronskih mrež

Zmazek, Marko

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Obogatitev 3D upodobitve z globalnim osvetlitvenim modelom z uporabo generativnih nasprotniških nevronskih mrež
Avtorji:	ID Zmazek, Marko (Avtor) ID Kohek, Štefan (Mentor) Več o mentorju... ID Strnad, Damjan (Komentor)
Datoteke:	MAG_Zmazek_Marko_2024.pdf (19,56 MB) MD5: 18A9B6A38FBCBD66C1B5362C1F5D546E
Jezik:	Slovenski jezik
Vrsta gradiva:	Magistrsko delo/naloga
Tipologija:	2.09 - Magistrsko delo
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	V računalniški grafiki je upodabljanje z globalnim osvetlitvenim modelom v realnem času še vedno aktualen izziv. Pri upodabljanju z globalnim osvetlitvenim modelom upodobitev izgleda bolj realistično, saj lahko dodamo učinke, kot sta odboj in lom svetlobe. V magistrskem delu smo implementirali in naučili generativno nasprotniško nevronsko mrežo, da obogati sliko 3D scene z globalnim osvetlitvenim modelom na podlagi slike 3D scene, upodobljene z lokalnim osvetlitvenim modelom, in dodatnih informacij o sceni, ki jih lahko hitro izračunamo že pri uporabi lokalnega osvetlitvenega modela. Ustrezno načrtovana in naučena nevronska mreža lahko na scenah, uporabljenih v fazi učenja, daje rezultate primerljive s klasičnimi metodami upodabljanja z globalnim osvetlitvenim modelom, kot je sledenje potem. Predvsem pa je lahko pri delovanju hitrejša, zato bi se lahko uporabljala za aplikacije v realnem času.
Ključne besede:	računalniška grafika, osvetlitev, generativne nasprotniške nevronske mreže, PyTorch, Blender
Kraj izida:	Maribor
Založnik:	[M. Zmazek]
Leto izida:	2024
PID:	20.500.12556/DKUM-89729
UDK:	004.925:004.032.26(043.2)
COBISS.SI-ID:	218615555
Datum objave v DKUM:	19.09.2024
Število ogledov:	191
Število prenosov:	103
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	07.08.2024

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Enrichment of 3D rendering with a global illumination model using generative adversarial neural networks
Opis:	In computer graphics, real-time rendering with a global illumination model is still a challenge. Rendering with a global illumination model makes the render look more realistic, as effects such as light reflection and refraction can be added. In this master thesis, we implemented and trained a generative adversarial neural network to enrich an image of a 3D scene with a global illumination model based on an image of a 3D scene rendered with a local illumination model and additional scene information, which can already be quickly computed when using the local illumination model. A properly designed and trained neural network can give us results comparable to classical global illumination model rendering methods, such as path tracing, on the scenes used in the learning phase. Above all, this approach can be faster and could therefore be used for real-time applications.
Ključne besede:	computer graphics, illumination, generative adversarial neural networks, PyTorch, Blender

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj