Escherization Craig S. KaplanDavid H. Salesin Präsentation von Matthias Kaufmann Fachseminar Aktuelle Themen der graphischen Datenverarbeitung Institut.

Slides:



Advertisements
Ähnliche Präsentationen
Blue J.
Advertisements

Christian Scheideler SS 2009
Christian Scheideler SS 2009
Perceptrons and the perceptron learning rule
3. 3D-Betrachtungstransformationen
Computer graphics & visualization Procedural Terrain Generation Hager Simon Proseminar Gamedesign.
Schnelle Matrizenoperationen von Christian Büttner
Bayes-Netze KI 14-Bayes-Netze.
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Frozen Development in Graph Coloring
TECHNISCHE UNIVERSITÄT DARMSTADT Naive Bayes for Ranking
Kapitel 6: Klassifizierung von Sortiertechniken
Simulated Annealing Marco Block & Miguel Domingo Seminar : Maschinelles Lernen und Markov KettenSommersemester 2002.
Marco Barz Seminar über Algorithmen SoSe2007
Christos, Kornelia, Jan Christos, Kornelia, Jan Entwicklungsumgebung Versteht unseren Java Programm Code Versteht unseren Java Programm.
Sortierverfahren Richard Göbel.
Sortierverfahren Richard Göbel.
Prof.Dr.S. Albers Prof. Dr. Th. Ottmann
Vorlesung Informatik 2 Algorithmen und Datenstrukturen Halbzeit: Was haben wir bisher gelernt? Prof. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 – Kürzeste Wege) T. Lauer.
Kapitel 5 Stetigkeit.
Kapitel 4 Geometrische Abbildungen
Globaler Ansatz Hough-Transformation
Seminar: Architekturbeschreibungssprachen
Displacement Mapping Dynamische Generierung detaillierter Geometrien
Intelligentes Crawling im WWW mit Hilfe intuitiver Suchbedingungen
Dieter Bergmann, Lichtenfels
Grundsätzliche Resultate Theorem: Für jeden Relationstyp R(A 1,...,A n ) und jede Menge von FDs über {A 1,...,A n } gibt es: –eine verlustlose (aber nicht.
Maschinelles Lernen und automatische Textklassifikation
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Übersicht Motivation Konzeption Umsetzung/ Implementierung
Die Grundterminologie
Ausgleichungsrechnung II
Chromatische Zahl.
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II Vorlesung 7 SS 2000 Punkt-in-Polygon-Verfahren I (Trapezkarte)
Effiziente Algorithmen
Effiziente Algorithmen
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/ /23.1.
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
One plus One Evolutionary Optimizer
Gläserne AutoFormen (I)
Klassifikation und Regression mittels neuronaler Netze
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation III Vorlesung 1 WS 2001/02 Punkt-in-Landkarte I (Streifenkarte)
Paul, Morten, Yannick Blue J. Entwicklungsumgebung  versteht Java Programmcode  Für die Entwicklung eigener Software  Durch die Programmierung.
Analyse der Laufzeit von Algorithmen
Institut für Softwarewissenschaft – Universität WienP.Brezany 1 Beispiele (Frist: ) Beispiel 1: Sei  = {a, b} ein Alphabet und Q = {q 0, q 1 } eine.
Sichtenverbindung (1) Einschränkungen: Zwischen den verschiedenen Abhängigkeiten kann es zu komplizierten Wechselwirkungen kommen, so dass ein allgemeingültiges.
1 6.4 Verwaltung semistrukturierter Daten - was ist das? Datenverwaltung für XML-Dokumente - Daten in XML-Gewand - eigentlich XML-Dokumente - Abbildung.
HEINZ NIXDORF INSTITUT Universität Paderborn Fachbereich Mathematik/Informatik Algorithmische Probleme in Funknetzwerken VI Christian Schindelhauer
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung April 2000 AVL-Bäume.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Datenstrukturen für den Algorithmus von.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Foliendesign: Jörg Steinrücken & Tobias Kahn Vorlesung
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Suche des kürzesten Weges in einem Netz.
Optimierungs- Algorithmen
Gliederung der Vorlesung
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.
Binärbäume.
Algorithmen und Datenstrukturen Prof. Dr. Ralf Möller Universität zu Lübeck Institut für Informationssysteme Stefan Werner (Übungen) sowie viele Tutoren.
X. Übungsblatt – Aufgabe X a)Erstellen Sie den Huffman-Codierungsbaum für die folgende Zeichenkette: ABRAKADABRASIMSALABIM Vorgehensweise: 1.Tabelle mit.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Prognose von Zeitreihen Hans Nübel Hans Nübel Prognose von Zeitreihen Aufbau 1.Motivation 2.Holt-Winters-Verfahren 3.Prognose.
 Präsentation transkript:

Escherization Craig S. KaplanDavid H. Salesin Präsentation von Matthias Kaufmann Fachseminar Aktuelle Themen der graphischen Datenverarbeitung Institut für wissenschaftliches Rechnen, ETH Zürich 6. Juni 2001

Motivation  M. C. Escher -holländischer Grafiker  inspiriert durch orientalische Verzierungen  entwickelte seine Bilder durch „Ausprobieren“

Motivation  Ziel: automatische Erzeugung von Pseudo-Escherbildern  Algorithmus  benötigt Vorlage  Escherisierungs- Algorithmus Input Output

Übersicht  Tile  Ähnlichkeit von Polygonen  Optimierung  Generierung  Resultate

Tile - Definitionen  Tiling  Tilingeigenschaft eines Polygons  Tile: Grundbaustein eines Tilings  Vorlage normalerweise kein Tile  Hauptproblem: wie Vorlage abändern, dass sie nur leicht vom Original abweicht und Tilingeigenschaft erlangt Escherisierungsproblem Gegeben ein Polygon S, finde zweites Polygon T, so dass: T und S sind „möglichst ähnlich“ Kopien von T passen zusammen und füllen Ebene

Tile - Polygone  Beschränkung auf Polygone  einfache Manipulierbarkeit  nur wesentliche Ecken/Kanten betrachten

Tile - Isoeder  Beschränkung auf Klasse der Isoeder  93 Isoedertypen  Eigenschaften eines Isoeders: –Tilingeigenschaft –Verschiebungseinheit erzeugt Tiling nur durch Translation –alle Elemente einer Verschiebungseinheit haben verschiedene Orientierungen und Farben –Abbildung eines beliebigen Isoeders auf anderes bildet gesamtes Tiling auf sich selber ab –jede Ecke hat dieselbe Wertigkeit

Tile - Isoeder Isoeder

Tile - Isoeder  jeder Isoedertyp definiert, –welche Bedingungen für die Tilingeigenschaft eingehalten werden müssen –wie einzelne Isoeder zu einem Tiling zusammengefügt werden müssen –Abhängigkeiten bei Kantendeformationen –Anzahl Farben für Escherbild  formale Beschreibung nötig  Parametrisierung  Inzidenzsymbol

Tile - Isoederparametrisierung  Bedingungen für Tilingeigenschaft  Parametrisierung notwendig für Manipulation  0 bis 6 Freiheitsgrade  Parameter

Tile – Inzidenzsymbol  Konstruktion: 1.Bezeichnung / Richtung für jede Kante 2.bei symmetrischen Kanten Bezeichnung entsprechend kopieren 3.Bezeichnungen im Gegen- uhrzeigersinn aufschreiben (+/-) 4.Symbole kopieren 5.für jede Bezeichnung die Symbole der entsprechen- den Nachbarskante aufschreiben (mit umge- kehrtem Vorzeichen)  nicht eindeutig [a + b + c + c - b - a - ; a - c + b + ] a b c c b a a a c b b c

Tile - Kantensymmetrien  bis jetzt nur einfache Isoeder mit geraden Kanten  weiterer Freiheits- grad: Kanten  Bedingungen  aus Inzidenzsymbol ableitbar  4 Kantentypen: S,U,I,J [...a +...;...a +...]

Tile - Kantensymmetrien [...a +...;...a -...][...a...;...b x...][...a +/-...;...b +/-...] [...a...;...a...]

Ähnlichkeit von Polygonen  vollständige Beschreibung von Isoedern mittels Parametrisierung (inklusive Kanten)  Metrik, um Polygone zu vergleichen: –Input: zwei Polygone –0 bei kongruenten Polygonen –je grösser Unähnlichkeit, desto grösser Wert –unabhängig von Rotation, Skalierung, Translation  Idee: –Repräsentation als Drehfunktion –Normierung

Optimierung  Ziel: in Parameterraum aller Isoeder dasjenige mit grösstmöglicher Ähnlichkeit finden  Tilingeigenschaft automatisch erfüllt  Optimierungsproblem  optimale Lösung schwierig zu finden  Approximationsalgorithmus  Simulated Annealing

Optimierung  Input: Vorlagenpolygon  Output: ähnliches Polygon mit Tilingeigenschaft (Isoeder)  Idee: Aufwand nur bei Isoedern mit Chance  Algorithmus: 1.kreiere eine Instanz jedes Isoedertyps verbessere jede Instanz, so dass sie Vorlage ähnlicher wird 2. entferne sehr „schlechte“ Instanzen 3.iteriere 2., bis noch eine einzige Instanz übrig bleibt

Optimierung  Verbesserung eines Tile: for i := 1..n do while „Temperatur noch zu hoch“ do verbessere Tile mittels Parameter und Metrik reduziere Temperatur od glätte, wo sinnvoll, Ecken füge neue Ecken ein reduziere Minimaltemperatur od

Optimierung

Generierung  Polygon mit Tilingeigenschaft  Textur  Markierungen zum Übertragen der Originaltextur  Automatisierung möglich  eventuell manuelle Nachbearbeitung nötig

Generierung  Füllen der Ebene –Tile mittels Inzidenzsymbol und Isoederinformation kopieren –Verschiebungseinheit  „bleichen“  Farbtöne einbringen  Maleffekte

Resultate

 je komplizierter Form, desto länger Optimierungsdauer  schlecht approximierbare Figuren  Verbesserung: Kantengewichte  weniger comic-mässig als Escherbilder  manuelle Nachbearbeitung kann Lösung verbessern

Zusammenfassung  Input: Polygon der Vorlage  die Parameter eines Isoeders so wählen, dass Ähnlichkeit zum Vorlagenpolygon maximal wird (Optimierung)  Isoeder texturieren und Escherbild generieren

Meinung  Resultate überzeugend  Aufwand riesig: –Parametrisierung Isoeder –Kantenparametrisierung –Simulated Annealing –Simplex –Grafiktools für einfache Manipulation  Verwendbarkeit?  Grafiker, Verschnittminimierung  andere Verfahren?

Literatur, Links  papers/kaplan_siggraph2000.pdf  Grünbaum und Shephard: Tilings and Patterns, W. H. Freeman, 1987  Arkin et al., An efficiently computable metric for comparing polygonal shapes, PAMI(13), Nr. 3, März 1991, S 