Λογότυπο αποθετηρίου

Διδακτορικές διατριβές

Μόνιμο URI για αυτήν τη συλλογήhttps://pyxida.aueb.gr/handle/123456789/5

Περιήγηση

Πλοήγηση Διδακτορικές διατριβές ανά Συγγραφέα "Evangelou, Iordanis"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Accelerating geometric queries for computer graphics: algorithms, techniques and applications
    (26-09-2024) Ευαγγέλου, Ιορδάνης; Evangelou, Iordanis; Athens University of Economics and Business, Department of Informatics; Fudos, Ioannis; Toumpis, Stavros; Markakis, Evangelos; Xylomenos, George; Dachsbacher, Carsten; Bittner, Jiri; Papaioannou, Georgios
    Στο συνεχώς εξελισσόμενο τομέα των Γραφικών Υπολογιστών, η ζήτηση για ρεαλιστικά και σε πραγματικό χρόνο εικονικά περιβάλλοντα με αλληλεπίδραση σε ψηφιοποιημένα ή εκ γενετής ψηφιακά περιεχόμενα έχει εκθετικά αυξηθεί. Είτε πρόκειται για παιχνίδια, production rendering, computer-aided design reverse engineering, επεξεργασία και κατανόηση γεωμετρικής πληροφορίας ή διεργασίες προσομοίωσης, η ικανότητα γεωμετρικών αναζητήσεων οποιουδήποτε τύπου να εκτελούνται γρήγορα και με ακρίβεια είναι κρίσιμη. Η πραγματική μορφή ενός γεωμετρικού ερωτήματος ποικίλει ανάλογα με την εκάστοτε διεργασία, τον τομέα εφαρμογής, την αναπαράσταση της εισόδου και τη χρησιμοποιούμενη μεθοδολογία. Αυτά τα γεωμετρικά ερωτήματα μπορεί να περιλαμβάνουν ελέγχους τομής, όπως στην περίπτωση του ray tracing, χωρικά ερωτήματα, όπου χρειάζονται για την ανάκτηση πλησιέστερων γειτονικών δειγμάτων, γεωμετρική ανάκτηση, για την εξακρίβωση του τύπου των πολυγωνικών εισόδων ή ακόμα και κατανόηση μίας ολόκληρης εικονικής σκηνής για την ανάκτηση και ενσωμάτωση εναλλακτικών λύσεων, όπως στην περίπτωση βελτιστοποίησης και τοποθέτησης φωτιστικών πηγών. Καθώς οι εφαρμογές αυτών των αλγορίθμων και, συνεπώς, η πολυπλοκότητά τους αυξάνεται συνεχώς, τα βασικά αυτά γεωμετρικά ερωτήματα υστερούν όταν υιοθετούνται και ενσωματώνονται με απλοϊκό τρόπο σε πρακτικά σενάρια. Επομένως, αυτές οι μέθοδοι αντιμετωπίζουν περιορισμούς όσον αφορά την υπολογιστική αποδοτικότητα αυτών των αναζητήσεων. Αυτό είναι ιδιαίτερα έντονο σε σενάρια όπου πρέπει να ικανοποιηθεί ένας γιγάντιος αριθμός γεωμετρικών δεδομένων και ειδικότερα σε περιβάλλονται με διαδραστικό ή ακόμη και πραγματικό χρόνο απόδοσης. Τις περισσότερες φορές, πρέπει να εξετάσουμε και να κατανοήσουμε τους εσωτερικούς μηχανισμούς και τη θεωρία των αλγορίθμων που εκτελούν αυτά τα γεωμετρικά ερωτήματα. Αυτό είναι ιδιαίτερα χρήσιμο για την σχεδίαση κατάλληλων διαδικασιών προσαρμοσμένων στην εκάστοτε διεργασία, ώστε να μεγιστοποιηθεί η αποδοτικότητά τους, τόσο από άποψη ταχύτητας όσο και ποιότητας του αποτελέσματος. Αυτό έχει ως αποτέλεσμα, να υπάρχει ένας τεράστιος τομέας έρευνας που μελετά καινοτόμες προσεγγίσεις για την επιτάχυνση των γεωμετρικών αυτών αναζητήσεων, σε μία προσπάθεια να αντιμετωπίσει τις προκλήσεις που προκύπτουν.Ο κύριος στόχος αυτής της διατριβής ήταν να αναπτύξει καινοτόμες μεθόδους για την επιτάχυνση γεωμετρικών αναζητήσεων στο τομέα των Γραφικών Υπολογιστών. Η εργασία αυτή είχε μία ολιστική προσέγγιση στην διερεύνηση αλγοριθμικών βελτιστοποιήσεων που συντελούν στην ανάπτυξη προηγμένων δομών δεδομένων και αρχιτεκτονικών νευρωνικών δικτύων, ειδικά προσαρμοσμένων στην αποτελεσματική διαχείριση γεωμετρικών συλλογών. Η έρευνα αυτή όχι μόνο συμπεριέλαβε την υπολογιστική πολυπλοκότητα των αναζητήσεων αυτών, αλλά και την προσαρμοστικότητα των προτεινόμενων λύσεων σε διάφορες εφαρμογές και σενάρια, κυρίως στο πεδίο των Γραφικών Υπολογιστών αλλά και σε άλλους διασταυρούμενους τομείς. Τα αποτελέσματα αυτής της διατριβής έχουν τη δυνατότητα να επηρεάσουν τους τομείς και τις αντίστοιχες μεθοδολογίες που την υιοθετούν, αντιμετωπίζοντας τις σχετικές υπολογιστικές προκλήσεις και ανοίγοντας νέους ορίζοντες στην απεικόνιση πραγματικού χρόνου, την διαδραστική προσομοίωση και τις εμβυθιστικές τεχνολογίες εικονικής πραγματικότητας.Πιο συγκεκριμένα, οι συνεισφορές αυτής της διατριβής μπορούν να χωριστούν σε δύο κύριες κατευθύνσεις με στόχο την επιτάχυνση των γεωμετρικών αναζητήσεων: α) τεχνικές αναζήτησης πλησιέστερων δειγμάτων άμεσα επιταχυνόμενες από το, hardware στο πεδίο του ολικού φωτισμού και β) εφαρμογή τεχνικών βαθιάς μάθησης για τον ορισμό νέων δομών δεδομένων αλλά και γενικών μεθόδων γεωμετρικών αναζητήσεων.Οι μεθοδολογίες που ανήκουν στην πρώτη κατηγορία εξετάζουν την αλγοριθμική εφαρμογή ολικού φωτισμού σε πραγματικό χρόνο χρησιμοποιώντας εκτιμητές πυκνότητας των φωτονίων. Συγκεκριμένα, διερευνούμε σενάρια με δύσκολα φαινόμενα φωτιστικών ανακλάσεων, όπως αυτά των caustics που μπορούν να αντιμετωπιστούν κυρίως από την οικογένεια φωτιστικών μοντέλων του progressive photon mapping και απαιτούν την σκέδαση μεγάλου αριθμού ακτίνων τόσο από την κάμερα όσο και από τις φωτεινές πηγές. Τα φωτόνια που προέρχονται από τα φωτεινές πηγές, αποθηκεύονται στις επιφάνειες της γεωμετρίας ή σε κάποιο ογκομετρικό μέσο. Από εκεί θα πρέπει να συγκεντρωθούν μέσω αναζητήσεων που εκτελούνται κατά τις σκεδάσεις των ακτινών που προέρχονται από την κάμερα. Για την επίτευξη πραγματικού χρόνου απόκρισης ανά καρέ, η συγκέντρωση φωτονίων ανά αναζήτηση πρέπει να εκτελεστεί αποτελεσματικά παρά την χρονοβόρα λειτουργία που πρέπει να εκτελεστεί. Αυτό επιτυγχάνεται προσαρμόζοντας το tracing των ακτίνων σε μία screen space τεχνική και χρησιμοποιώντας το splatting ως μία μέθοδο άμεσα επιταχυνόμενη από το rasterisation. Τέλος, δεδομένου ότι η συγκέντρωση γειτόνων σε φραγμένο χώρο είναι μία εγγενής υποκατηγορία της αναζήτησης πλησιέστερων γειτόνων, προτείνουμε επιπλέον την αποτελεσματική γενίκευση αυτής της έννοιας σε οποιαδήποτε μορφή διεργασίας που εκμεταλλεύεται τα υπάρχοντα περιβάλλοντα ray tracing, και είναι άμεσα επιταχυνόμενα από το υπάρχον υλικό στις σημερινές κάρτες γραφικών. Έτσι, ενισχύουμε αποτελεσματικά τη φάση διεκπεραίωσης αυτών τον αναζητήσεων κατά πολλές τάξεις μεγέθους σε σύγκριση με τις υπάρχουσες παραδοσιακές στρατηγικές που συχνά υλοποιούνται.Όσον αφορά την δεύτερη κατηγορία των συνεισφορών μας, εστιάζουμε το ενδιαφέρον μας σε μια γενικότερη κατηγορία γεωμετρικών αναζητήσεων. Η πρώτη περιλαμβάνει την ακριβή και γρήγορη κατηγοριοποίηση γεωμετρικών σχημάτων χρησιμοποιώντας νευρωνικά δίκτυα. Συγκεκριμένα δείχνουμε ότι μια υβριδική μεθοδολογία επεξεργάζεται τον προσανατολισμό σε συνδυασμό με την voxelised γεωμετρική αναπαράσταση είναι ικανή να διεκπεραιώνει δύσκολα για κατηγοροιοποιήση στερεές γεωμετρίες που συναντούνται στο χώρο των κτιριακών κατασκευών. Δεύτερον, εξετάζουμε τη κλάση γεωμετρικών αναζητήσεων που σχετίζονται με την ανάλυση εικονικών σκηνών. Πιο συγκεκριμένα, μελετάμε την βελτιστοποίηση τοποθέτησης και ανάθεσης των φωτιστικών εντάσεων σε δρόμους αστικών οικισμών, που είναι εκ των πραγμάτων μια υπολογιστικά περίπλοκη διεργασία, ειδικά για μεγάλες εισόδους και αντιφατικούς περιορισμούς. Οι υπάρχουσες μεθοδολογίες που χρησιμοποιούνται στη πρόσφατη βιβλιογραφία συνήθως εισάγουν υποθέσεις ως προς την αναπαράσταση της εισόδου για να μετριάσουν τη πολυπλοκότητα αυτής της διεργασίας. Ωστόσο, σε αυτήν τη διατριβή, προσεγγίζουμε αυτό το πρόβλημα με μια ολιστική λύση που μπορεί να παράγει εφικτές και ποικίλες λύσεις σε πραγματικό χρόνο υιοθετώντας μία οικογένεια generative νευρωνικών δικτύων. Τέλος, προτείνουμε μια νέα και γενικευμένη προσέγγιση για την επίλυση αναδρομικών συναρτήσεων κόστους για την κατασκευή δομών επιτάχυνσης γεωμετρικών αναζητήσεων. Η συγκεκριμένη εργασία δείχνει προς μία νέα ερευνητική κατεύθυνση με σκοπό την κατασκευή δομών δεδομένων που καθοδηγούνται από αναδρομικές συναρτήσεις κόστους χρησιμοποιώντας μεθοδολογίες νευρωνικών δικτύων. Στόχος μας είναι να παρακάμψουμε την εξαντλητική αλλά και αδύνατη αναζήτηση του χώρου καταστάσεων δοσμένης της συνάρτησης κόστους, ώστε να δημιουργήσουμε υψηλής ποιότητας δομές δεδομένων για χωρικές αναζητήσεις.