GAMES 102:几何建模与处理基础---Day1：课程笔记

最新推荐文章于 2023-07-14 20:46:08 发布

树茴

最新推荐文章于 2023-07-14 20:46:08 发布

阅读量736

点赞数

分类专栏：计算机图形学入门文章标签：学习

本文链接：https://blog.csdn.net/m0_51431440/article/details/125569157

版权

9 篇文章 0 订阅

订阅专栏

6 篇文章 4 订阅

订阅专栏

计算机图形学大致分成三大块内容：建模（设计，Modeling，内容创建）、动画（仿真，Animation，内容仿真）、渲染（绘制，Rendering，内容呈现），用于构建和创造（虚拟）平行世界；
照片（图像）：记录真实世界投影在相机成像平面的影像；
图像的表达：光栅；（像素固定，放大后会变模糊）
2D图形：矢量/几何图形，具有数学表达的几何对象（如：点、线、面）（像素无穷，原本计算机存储的是点线坐标，放大后会根据这些坐标重新光栅化，故不会变模糊）

万能逼近定理（Weierstrass逼近定理）：

1、闭区间上的连续函数可用多项式级数一致逼近；

2、闭区间上周期为2pi的连续函数可用三角函数级数一致逼近；

大部分的实际应用问题可建模为：找一个映射/变换/函数(输入不一样、变量不一样、维数不一样)；
如何拟合函数形数据？找函数三步曲：1、哪里找？（确定某个函数集合/空间）2、找哪个？（度量哪个函数是好的/“最好”的，loss）3、怎么找？（求解或优化：不同的优化方法与技巧, 既要快又要好...----最小二乘法）
插值：设计的函数一定经过已知的数据点；
逼近：函数尽可能靠近数据点，即 $min\sum_{i=0}^{n}(y_{i}-f(x_{i}))^{2}$ ;
避免过拟合的常用方法：1、数据去噪（剔除训练样本中的噪声）；2、数据增广（增加样本数，或增加样本的代表性和多样性）；3、模型简化（选用更加简单的模型，或者对模型进行剪裁）；4、正则约束（适当的加正则项，如方差正则项、稀疏正则项，使得在第一步哪里找时压力更小，对选择函数的准确性要求更少，使最终使用到的函数集合会自动在训练过程中慢慢优化）
岭回归正则项（可使模型更加稳定），用于实现对模型空间的限制， $\left \| W\right \|_{2}$ 最小使得W中的每个元素都很小，都接近于0但不为0 ；而参数越小说明模型越简单，越简单的模型则越不容易产生过拟合。

给系数 $\lambda$ 的2模加约束防止欠拟合；给系数 $\lambda$ 的0模加约束去除冗余的基函数稀疏优化；给函数f的两阶导数的平方模加约束约束函数平滑性（因为函数的两阶导数的平方在那个区域的积分度量了函数的光滑性，函数的两阶导数代表曲率）；对f函数的弧长进行约束，使其梯度尽量的小；
多项式插值存在的问题：1、系统矩阵是稠密的，求解慢；2、依赖于基函数的选取，矩阵可能是病态，导致难以求解（求逆），结果不稳定，控制点的微小变化可导致完全不同的结果；3、振荡（Runge）现象多项式随着插值点数（可以是细微的）增加而摆动；
病态问题：输入数据的细微变化导致输出（解）的剧烈变化；
用矩阵条件数判断举证病态问题的程度，矩阵条件数=最大1特征值和最小特征值之间的比例，条件数大意味着基元之间有太多的相关性；
矩阵奇异值代表矩阵在各个方向的比例；
多项式插值问题是病态的（过拟合），因为对于等距分布是数据点 $x_{i}$ ,范德蒙矩阵的条件数随着数据点数n呈指数级增长（多项式的最高次数为n-1）