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.
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:
09.03.2023 (Do), 15:30-17:00 Einführung
14.03.2023, 13:00-14:30 Vorlesung 1: Oberflächennetze, Übung #1
21.03.2023, 13:00-14:30 Vorlesung 2: Curves & Surfaces
28.03.2023, 13:00-14:30 Vorlesung 3: Scan Pipeline, Übung #2
18.04.2023, 10:00-12:00 [in FAV 01A!] Vorlesung 4: Parametrisierung, Abgabe Übung #1
25.04.2023, 13:00-14:30 Vorlesung 5: Anwendungen 1, Abgabe Übung #2
02.05.2023, 13:00-14:30 Vorlesung 6: Anwendungen 2, Übung #3
16.05.2023, 13:00-14:30 Vorlesung 7: Prozedurales Modellieren 1, Übung #4
23.05.2023, 13:00-14:30 Vorlesung 8: Prozedurales Modellieren 2
06.06.2023 Abgabe Übung #3
13.06.2023, 13:00-15:00 Artikelpräsentationen
27.06.2023 Abgabe Übung #4
(Abgabefrist Übungen jeweils Mitternacht)
Für die VU sind grundlegende Programmier- und Mathematikkenntnisse empfohlen (MATLAB, Python und lineare Algebra, Infinitesimalrechnung, Differenzialrechnung werden benutzt).