Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage zu verstehen, wie digitale 3D-Modelle erstellt werden und als Voraussetzung für die Anwendung von Deep-Learning-Methoden dargestellt werden, sowie Oberflächeneigenschaften in Simulationen zu analysieren. Rekonstruktion von 3D-Daten von Bildern oder Sensoren, Simulationen auf Oberflächen und prozedurale Modellierung: In diesem Kurs üben Sie die Verarbeitung von Oberflächennetzen mit Algorithmen für maschinelles Lernen, führen Simulationen durch und generieren ganze Städte prozedural.

In diesem Kurs werden unter anderem folgende Themen behandelt: Polygonale Netze, Darstellungen und Eigenschaften von Kurven und Oberflächen, Rekonstruktion von 3D-Modellen aus Scans, Parametrisierung, Simulationen von Oberflächen, prozedurale Modellierung.

Vorlesungen, Übungen und Präsentationen von wissenschaftlichen Artikeln.

Aufschlüsselung (3 ECTS = 75 Stunden):

Vorträge:
8 Einheiten à 1,5 Stunden (ca. 12 Stunden)

Aufgaben (ca. 63 Stunden):
4 Hausaufgaben mit einem Arbeitsaufwand von ca. 51h
1 Präsentation mit einem Arbeitsaufwand von ca. 12h

LVA Termine:
09.03.2021, 13:00-14:30 Einführung
16.03.2021, 13:00-14:30 Oberflächennetze, Übung #1
23.03.2021, 13:00-14:30 Kurven & Oberflächen
13.04.2021, 13:00-14:30 Scan Pipeline, Übung #2, Abgabe Übung #1
20.04.2021, 13:00-14:30 Anwendungen 1
27.04.2021, 13:00-14:30 Anwendungen 2, Übung #3
11.05.2021, 13:00-14:30 Parametrisierung, Abgabe Übung #2
01.06.2021, 13:00-14:30 Prozedurales Modellieren, Übung #4
08.06.2021, 13:00-16:00 (voraussichtlich) Artikelpräsentationen
22.06.2021 Abgabe Übungen #3+#4

(Abgabefrist Übungen jeweils Mitternacht)

Hausaufgaben und Präsentation mit Gesamtarbeitsaufwand von ca. 63 Stunden.

Für die VU sind grundlegende Programmier- und Mathematikkenntnisse empfohlen  (MATLAB, Python und lineare Algebra, Infinitesimalrechnung, Differenzialrechnung werden benutzt).