Přístupnostní navigace
E-přihláška
Vyhledávání Vyhledat Zavřít
Detail předmětu
FSI-SVDAk. rok: 2023/2024
Data, se kterými se v praxi setkáváme, mohou být v různých reprezentacích, například dány jako 3D souřadnice, předpisem funkce nebo dvojdimenzionální řezy. Vizualizace dat je předmět určený ke studiu algoritmů a principů zobrazování různých druhů těchto prostorových dat.
V první části se studenti seznámí s aproximačními a interpolačními reprezentacemi dat pomocí matematických funkcí. Druhá a třetí část je věnována zobrazovacím algoritmům pro modelování těles a objemové reprezentaci těles. Poslední část se věnuje promítání, nastavení světla, viditelnosti, určení stínů a pokrytí texturou a následujícím globálním zobrazovacím metodám (např. ray-tracing) a vizualizaci objemových dat (tzv. volumetric rendering).
Pro algoritmizaci a programování bude použit jazyk Python nebo prostředí Matlab.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Základní programovací techniky a jejich implementace v jazyce Python.
Prostředí softwaru Matlab.
Základní algoritmy rovinné a prostorové grafiky (barevné systémy, promítání, konstrukce křivek a ploch)
Pravidla hodnocení a ukončení předmětu
Zápočet se uděluje na základě zpracování a prezentace semestrálního projektu.
Chybějící účast na výuce lze nahradit zpracováním chybějícího tématu jako domácího úkolu.
Učební cíle
Studenti se ve své budoucí kariéře mohou setkat s různými druhy dat a potřebou je správně vizualizovat. Předmět pokrývá většinu možných zobrazovacích metod použitelných pro různé druhy vstupních dat. Absolventi tohoto předmětu budou mít ucelený přehled a také se seznámí s algoritmizací vybraných řešení.
Student bude mít přehled o různých typech dat a možnostech jejich reprezentace.
Pro obrazová a prostorová data se také naučí používat neuronové sítě.
Student bude schopen vizualizovat různé typy prostorových dat.
Student se seznámí i s nastavením parametrů pro vizualizace jako světlo, viditelnost, stíny nebo mapování textur.
Studijní opory
Materiály k přednáškám i cvičením jsou k dispozici na e-learningu.
Základní literatura
Doporučená literatura
eLearning
Zařazení předmětu ve studijních plánech
Přednáška
Vyučující / Lektor
Osnova
Výuka je členěna do čtyř tématických bloků, které se týkají vizualizace dat.
1. Křivky a plochy ve 2D, 3D (B-spline, NURBS, implicitní plochy, subdivision surface)
2. Modelování těles (trojúhelníková a hraniční reprezentace)
3. Objemová reprezentace těles (voxel, digitální topologie, převod izoploch)
4. Zobrazování prostorových dat
- základní vlastnosti promítání, světlo, viditelnost, stíny, textury
- globální zobrazovací metody - ray tracing
- vizualizace objemových dat - volumetric rendering
5. Neuronové sítě - teoretické základy (back-propagation, aktivační funkce)
6. Konvoluční neuronové sítě
7. Neuronové sítě na mračnech bodů
Cvičení s počítačovou podporou
Cvičení navazují na přednášky a slouží k pochopení algoritmů vhodných pro různé druhy zobrazení prostorových dat. Dále jsou vybrané algoritmy implementovány v Pythonu nebo v prostředí Matlab. Každé oblasti jsou věnovány 2-3 týdny výuky.
1. Křivky a plochy ve 2D, 3D
- Bézierovy křivky a plochy (algoritmus de Casteljau), B-spline, NURBS (algoritmus de Boor)
- funkce dané implicitně a jejich zobrazení
- subdivision surface
3. Objemová reprezentace těles
- vizualizace objemových dat - volumetric rendering (skládání snímků do výsledného 3D modelu)
5. Neuronové sítě - použití pro obrazová a objemová data
Příprava a konzultace semestrální práce
Účast na cvičení je povinná.