Vizualizace dat (FSI-SVD)

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.

Student bude mít přehled o různých typech dat a možnostech jejich reprezentace.

Student bude schopen vizualizovat různé typy prostorových dat.

Student se seznámí i s nastavením parametrů pro vizualizace jako světlo, viditelnost, stíny nebo mapování textur.

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)

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. 

Zápočet se uděluje na základě zpracování a prezentace semestrálního projektu.

Chybějící účast na výuce lze nahradit zpracováním chybějícího tématu jako domácího úkolu.

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 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

2. Modelování těles (trojúhelníková a hraniční reprezentace)

3. Objemová reprezentace těles 

4. Zobrazování prostorových dat

- základní vlastnosti promítání, světlo, viditelnost, stíny, textury

- globální zobrazovací metody - ray tracing

- 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.