Algorithm Engineering für Probleme der Computergrafik

Wir Beschäftigen uns in Diesem Projekt MIT der Entwickung，分析，Implementierung and Examententellen Evaluierung von Rending算法zur Visualisierung von 3D-Szenen.Solche Computergrafik-算法：3D-Szene ab.Wir zielen auf Methoden zur analyst von Hardware and Szenen-Charakteristika ab，die Dynamische Auswahl Guter算法menvaranten während eines With Wh Whrend eines Walkthrough Dh dch die Szene unterstützen.在这种情况下，所有的数据、数据、数据和数据都不会出现在数据上，也不会出现在数据上。Zum Beispiel soll Entschieden(Zum Beispiel soll Entschieden Weden，ob es sich lohnt occlusion-culling(身份识别von verdeckten teilen der Szene)duchzuführen)。Tendenziell Lhnell Lhnh Sich Oclution Call，Wenn ein sehr groüer teil der Szene zur Grafikkarte geschickt wen muss.是“sehr groúer teil”在定制的Maçe von Charakteristika der Hardware and der Szene ab中使用的。精选问题也是困扰着极客的问题。在此基础上，进行了实验研究和理论分析。在Der Zweiten阶段，我们在Verschiedenen Richtongen erweitern的基础上进行了Verfahren和Ihre分析。Wesentliche Herosforderungen sind Z.B.-die Anpassung an das Verhalten der Besucher der Szenen bis hin zu Online-Adaptierungen der Datenstrukut and die Bewegangsmuster der Besucher.--Nutzung von Zellstrukturen sehr groüer Szenen。在Echtzeit zu Rendern中的位置为abhängien信息wirn nutzen，um sehr groçe Szenen in Echtzeit zu rendern.他说：“我不知道你的名字是什么样子的。”我们不会在硬件设备之间提供任何信息。在此，我们将不再使用Arbeiten zur Modellierung and Messung von Wichtigen Hardware-Eigenschaften fortsetzen，and Messoden in einer Open-Source Bibliothek VerfüGBar Machen。

Wir beschäftigen uns in diesem Projekt mit der Entwicklung, Analyse, Implementierung und experimentellen Evaluierung von Renderingalgorithmen zur Visualisierung von 3D-Szenen. Solche Computergrafik-Algorithmen hängen sehr stark von den Fähigkeiten der Grafikkarte und Charakteristika der 3D-Szene ab. Wir zielen auf Methoden zur Analyse von Hardware und Szenen-Charakteristika ab, die die dynamische Auswahl guter Algorithmenvarianten während eines Walkthrough durch die Szene unterstützen. Schwerpunkt unserer Forschung in ist die Entwicklung von positionsbasierten Datenstrukturen, die es erlauben, zu gegebener Besucherposition und -sichtrichtung einen in dieser Situation effizienten Renderingalgorithmus auszuwählen. Zum Beispiel soll entschieden werden, ob es sich lohnt Occlusion-Culling (Identifikation von verdeckten Teilen der Szene) durchzuführen. Tendenziell lohnt sich Occlusion Culling, wenn ein sehr großer Teil der Szene zur Grafikkarte geschickt werden muss. Was „sehr großer Teil" bedeutet, hängt in besonderem Maße von Charakteristika der Hardware und der Szene ab. Dieses Culling Problem ist also für unsere Untersuchungen besonders geeignet. In der ersten Förderphase haben wir zwei erste solche Strukturen entwickelt, eine experimentell, die andere theoretisch analysiert. In der zweiten Phase möchten wir diese samplingbasierten Verfahren und ihre Analysen in verschiedenen Richtungen erweitern. Wesentliche Herausforderungen sind hier z.B. - die Anpassung an das Verhalten der Besucher der Szenen bis hin zu online-Adaptierungen der Datenstruktur an die Bewegungsmuster der Besucher. - die Nutzung von Zellstrukturen sehr großer Szenen. Diese zusätzlichen positionsabhängigen Informationen wollen wir nutzen, um sehr große Szenen in Echtzeit zu rendern. Die positionsabhängigen Datenstrukturen liefert jedoch nur Teilinformation zur Beantwortung der Frage, ob Culling sinnvoll ist. Eine weitere notwendige Information betrifft Eigenschaften der zugrunde liegenden Hardware. Hier werden wir unsere Arbeiten zur Modellierung und Messung von wichtigen Hardware-Eigenschaften fortsetzen, und Messmethoden in einer Open- Source Bibliothek verfügbar machen.