Técnicas de aprendizaje profundo para el desarrollo de iluminación global en tiempo real

 

Autor(es):

Gutiérrez Rodríguez, Cecilia Inés ; Morero Caño, Julio Enrique

Tipo:

Tesis de grado

Tutor(es) / Supervisor(es):

Fernández, Eduardo ; Aguerre, José Pedro

Versión:

Aceptado

Resumen:

Los algoritmos de iluminación global son aquellos que buscan aproximar el comportamiento real de la luz. Las técnicas tradicionales son muy costosas para ser usadas en tiempo real, principalmente por el modelado de la iluminación indirecta que es la interacción de la luz entre distintos objetos. Por esta razón surge la idea de aplicar técnicas de Deep Learning para aproximar estos cálculos y reducir los tiempos de ejecución, motivado por su presente éxito en problemas relacionados a imágenes y los crecientes requerimientos por parte de las distintas industrias. En este contexto, este proyecto extiende la técnica llamada Deep Illumination, utilizando Generative Adversarial Networks (GANs) para aprender a generar iluminación indirecta a partir de ciertos buffers geométricos que describen una escena tridimensional. También se incorpora el uso de imágenes en formato High Dynamic Range (HDR) en lugar de formatos Low Dynamic Range (HDR) como jpg o png.

Año:

2022

Idioma:

Español

Temas:

Computación gráfica
Iluminación global
Redes neuronales
Inteligencia artificial
Deep learning
GAN
HDR

Institución:

Universidad de la República

Repositorio:

COLIBRI

Enlace(s):

https://hdl.handle.net/20.500.12008/32373

Nivel de acceso:

Acceso abierto