计算机图形学入门(九)-几何(基本表示方法:隐式和显式)

目录

 

几何例子

许多表示几何的方法

隐式Implicit

显式Explicit

问题小测试


本部分主要介绍了几何在一些实例中的应用,以及面临的挑战。之后主要介绍了两大类主要的几何表示方法:隐式类和显式类,并分别列举了当前图形学常用的隐式和显式的具体方法。

主要的学习过程来自下面的视频,本文只会有主要的基础内容,默认一些知识大家是掌握的,该精简的地方一定会精简。原视频非常好,我会在文章中插入视频的具体节点位置,更详细的内容可以观看原视频,教程网站上有课件和作业。个人也会在后续的学习过程中不断的向文章做补充,有问题大家可以在评论区探讨。文章的最后有一些小问题可以尝试回答,有些问题比较重要。

GAMES101-现代计算机图形学入门-闫令琪_哔哩哔哩_bilibili​www.bilibili.com/video/BV1X7411F744?p=2&share_source=copy_web​www.bilibili.com/video/BV1X7411F744?p=2&share_source=copy_web正在上传…重新上传取消​https://link.zhihu.com/?target=https%3A//www.bilibili.com/video/BV1X7411F744%3Fp%3D2%26share_source%3Dcopy_web

主要是介绍几何。多图预警。

几何例子

简单的几何构成

模型都是由三角形构成的,但如此光滑的车身是如何形成的

几何特别复杂和多

不是简单的表面,能看到是透明的。布料这些是怎么用几何构成呢

怎么在图形学中重建?如何用几何描述?

东西特别多,很复杂。怎么储存那么多信息,怎么计算这些几何量

复杂且精细

那么近都那么复杂,如果离远了呢

许多表示几何的方法

隐式Implicit

告诉你点满足特定的关系,而不是告诉你点具体在哪。例如,3D球面上的任意一点都满足 x^{2}+y^{2}+z^{2}-1=0 。只要找到所有的x,y,z满足F(x,y,z)=0,就能将图像画出来。视频位置P10-46:36

缺点:很难去描述复杂的物体(比如给你一个奶牛去描述)。仅根据表达式F(x,y,z)很难直接看出来是是什么样子,面上都有哪些点也不容易知道,面上采样起来比较困难(找到所有点),下面例子有。

优点:

1.通常表示出来很容易(例如用一个函数就能表示)

2.做某些查询容易(判断在物体里面还是外面,计算到表面的距离等)。给你一个点,判断在里面还是外面是很简单的。将点代入F(x,y,z),如果小于零在里面,大于零在外面,等于零在面上。

3.很容易对光线与表面求交的

4.对于简单的物体们,用隐式的表示方法是很精确的,没有采样错误

5.易于处理拓扑结构(比如流体)

例子,很容易得出在里面

代数的表示方法(隐式的典型方法1)

(隐式的典型方法2)

距离函数(隐式的典型方法3)

混合的过程基本就是A和B的SDF函数加在一起的过程。类似于地理上的等高线,正与负绝对值相等的地方就会混合成表面

从这里可以看出距离函数非常厉害,它将物体之间的联系圆滑的过度过去。是非常有用的函数。

水平集方法(隐式的典型方法4)

分形(隐式的典型方法4)

显式Explicit

典型一种方法的就是之前用到的三角形面,把每个顶点都告诉你位置,自然就得到对象物体,这种方法直接给予。另一种方法是用参数映射的方法。视频位置P10-50:55

优点:采样很简单,将所有的UV代入就能得到所有的点了

缺点:给你一个点,判断在表面的里面还是外面是很困难了

与隐式的例子为同一个图像,但判断内外就无从下手了

点云(显式的表示方法1)视频P11-03:40

多边形网格体(显式的表示方法2)视频P11-05:35

描述了一个立方体。

注意:

1.最好的表示方法需要根据需求来确定

2.

3.几何的表示方法远不止这些

问题小测试

1.本文介绍了几个隐式的表示方法?几个显式的?除此之外,表示方法还有很多。

2.

对两个物体进行距离函数混合,请问混合后俩个物体会连在一起吗?圆形的半径如果减小到0.5呢?

3.雪花是一种分形吗?

4.怎么判断一个点在物体内还是外?多列举出几种方法。

5.如果将两个物体光滑的合成一个物体,用哪种方法?

下一部分

计算机图形学入门(十)-几何(曲线与曲面)_酷月千里的博客-CSDN博客icon-default.png?t=LA92https://blog.csdn.net/weixin_45314475/article/details/121874113?spm=1001.2014.3001.5502

总目录

计算机图形学入门(总目录)_酷月千里的博客-CSDN博客icon-default.png?t=LA92https://blog.csdn.net/weixin_45314475/article/details/121876845?spm=1001.2014.3001.5502 

  • 8
    点赞
  • 45
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在将传统的统计方法应用于面部识别,原始面部图像经常被矢量化为矢量。 但是,这样的矢量化不仅导致高维,从而导致样本大小(SSS)问题小,而且失去了图像像素之间的原始空间关系。 已经证明,空间正则化(SR)是补偿这种关系的损失并同时通过显式施加空间约束来减轻SSS问题的有效手段。 但是,SR仍然存在两个主要问题:一个是由于高维而导致的高计算成本,另一个是选择控制空间正则化并因此影响学习性能的关键正则化因子。 因此,在本文,我们提供了一种新的想法,即隐式空间正则化(ISR),以避免丢失图像像素之间的空间关系并同时处理人脸识别的SSS问题。 与直接引入空间正则项并基于矢量表示显式空间正则化(ESR)不同,我们通过重塑图像然后执行2D方法来限制每个小图像区域内的空间平滑度。 具体来说,我们遵循与SSSL(典型的ESR方法)相同的假设,即图像像素周围的小图像区域是平滑的,然后将原始图像重塑为新矩阵,其每列对应于矢量化的小图像区域或补丁,然后使用任何现成的2D方法从新形成的矩阵提取特征,这些方法可以考虑同一行或同一列像素之间的关系,从而可以大大保留相邻区域内的原始空间关系。 由于ISR不施加约束项,因此与ESR相比,ISR不仅避免了麻烦的正则化参数的选择,而且大大降低了计算成本。 在四个人脸数据库上的实验结果表明,所提出的ISR能够以较低的计算成本使用SSSL达到竞争性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值