Spécification déclarative de l’ambiance d’une scène. Patrick Poulingeas Laboratoire MSI. Jeudi 18 novembre 2004. Présentation pour l’obtention du titre.

Présentation au sujet: "Spécification déclarative de l’ambiance d’une scène. Patrick Poulingeas Laboratoire MSI. Jeudi 18 novembre 2004. Présentation pour l’obtention du titre."— Transcription de la présentation:

1 Spécification déclarative de l’ambiance d’une scène. Patrick Poulingeas Laboratoire MSI. Jeudi 18 novembre 2004. Présentation pour l’obtention du titre de docteur en informatique de l’Université de Limoges.

2 2 SOMMAIRE SOMMAIRE I. La notion d’ambiance et la modélisation déclarative 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance II. L’éclairage inverse 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse III. Traitement de l’aspect déclaratif et gestion des solutions 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

3 3 1. Introduction Les modeleurs ont fait d’énormes progrès ces dernières années en terme de fonctions mises à la disposition de l’utilisateur. Les modeleurs ont fait d’énormes progrès ces dernières années en terme de fonctions mises à la disposition de l’utilisateur. Cependant, ces fonctions reposent sur des modèles et des bases géométriques n’ayant pas évolué et difficiles à appréhender pour un non spécialiste. Cependant, ces fonctions reposent sur des modèles et des bases géométriques n’ayant pas évolué et difficiles à appréhender pour un non spécialiste.

4 4 1. Introduction 1. Introduction L’interface utilisateur est devenue complexe.

5 5 1. Introduction Il y a de plus un manque d’outils pour spécifier des propriétés de haut niveau. Il y a de plus un manque d’outils pour spécifier des propriétés de haut niveau. L’utilisateur est souvent astreint à un long cycle d’essais- corrections pour parvenir à l’effet qu’il désire. L’utilisateur est souvent astreint à un long cycle d’essais- corrections pour parvenir à l’effet qu’il désire. C’est notamment le cas quand l’on veut introduire une certaine ambiance dans une scène. C’est notamment le cas quand l’on veut introduire une certaine ambiance dans une scène.

6 6 1. Introduction  On a une problématique proche de celle de la modélisation déclarative. La modélisation déclarative (généraliste) permet de construire des esquisses de scènes à partir d’une spécification de La modélisation déclarative (généraliste) permet de construire des esquisses de scènes à partir d’une spécification de haut niveau des propriétés de la scène. haut niveau des propriétés de la scène.

7 7 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

8 8 2. Gestion de propriétés Les sous-ensembles flous permettent de traiter une description imprécise comme : Les sous-ensembles flous permettent de traiter une description imprécise comme : « La hauteur de la table est grande » avec un degré de satisfaction. avec un degré de satisfaction. Notion introduite par Desmontils en modélisation déclarative en 1995. Notion introduite par Desmontils en modélisation déclarative en 1995.

9 9 2. Gestion de propriétés Exemple de fonction d’appartenance (de type L-R) associé à une propriété

10 10 2. Gestion de propriétés 2 types de propriétés de base: 2 types de propriétés de base: –Les propriétés simples comme : « La hauteur de neige est importante. » –Les propriétés paramétrées comme : « La hauteur de neige est de 1 m. » « La hauteur de neige est de 1 m. » Les fonctions associées aux propriétés peuvent accepter des modificateurs permettant de fabriquer de nouvelles propriétés. Les fonctions associées aux propriétés peuvent accepter des modificateurs permettant de fabriquer de nouvelles propriétés.

11 11 2. Gestion de propriétés Travaux de Desmontils : Travaux de Desmontils : –Modificateurs (« très », « assez peu », etc.) –Opérateurs flous (« vaguement », « exactement », etc.) Notre apport : la gestion de l’incertitude dans une description. Notre apport : la gestion de l’incertitude dans une description. Exemple : Exemple : « Il est plutôt certain que le temps est orageux. »

12 12 2. Gestion de propriétés Application à l’aspect brumeux d’un paysage « La limite de visibilité est de 70m. »« La limite de visibilité est exactement de 70m. »

13 13 2. Gestion de propriétés Traitement de l’éclairage naturel d’un paysage (à partir d’un concept de Siret) « en milieu de journée »« en milieu de l’après-midi »

14 14 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

15 15 3. Le concept d’ambiance Trois niveaux : Trois niveaux : –Niveau proche des données physiques (Exemple : « brumeux ») « brumeux ») –Niveau intermédiaire (Exemple : « clarté ») –Niveau sémantique complexe (Exemple : « gaieté ») Peut-on passer du niveau sémantique au niveau physique, ou y a-t-il des phénomènes d’émergence empêchant cela ? Peut-on passer du niveau sémantique au niveau physique, ou y a-t-il des phénomènes d’émergence empêchant cela ?

16 16 3. Le concept d’ambiance Une ambiance globale résulte de la synthèse entre l’ambiance se dégageant des objets de la scène et des autres données physiques de la scène (la lumière, le brouillard, etc.). Une ambiance globale résulte de la synthèse entre l’ambiance se dégageant des objets de la scène et des autres données physiques de la scène (la lumière, le brouillard, etc.). La création d’une ambiance est ainsi un processus virtuellement sans fin où la modification d’un paramètre amène la modification d’un autre, etc. La création d’une ambiance est ainsi un processus virtuellement sans fin où la modification d’un paramètre amène la modification d’un autre, etc.

17 17 3. Le concept d’ambiance Les objets de la scène sont porteurs d’une ambiance intrinsèque. Les objets de la scène sont porteurs d’une ambiance intrinsèque. Introduire des éléments (comme des sources de lumière) dans le but de créer une ambiance incompatible avec celle des objets aboutit à une scène incohérente. Introduire des éléments (comme des sources de lumière) dans le but de créer une ambiance incompatible avec celle des objets aboutit à une scène incohérente. Conclusion : On ne peut que renforcer ou atténuer l’ambiance préexistante si l’on ne modifie pas la géométrie de la scène. Conclusion : On ne peut que renforcer ou atténuer l’ambiance préexistante si l’on ne modifie pas la géométrie de la scène.

18 18 3. Le concept d’ambiance L’éclairage est un des éléments fondamentaux de l’ambiance d’une scène. L’éclairage est un des éléments fondamentaux de l’ambiance d’une scène. Nous nous sommes limités à l’étude de celui-ci dans le reste de nos travaux. Nous nous sommes limités à l’étude de celui-ci dans le reste de nos travaux. Le problème abordé est donc celui de l’éclairage inverse. Le problème abordé est donc celui de l’éclairage inverse.

19 19 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

20 20 4. L’éclairage inverse Les calculs :  Les positions possibles des sources lumineuses,  Les propriétés possibles des sources lumineuses. Les résultats :  Les scènes obtenues avec les sources lumineuses trouvées. Les données :  La géométrie des éléments de la scène,  Les propriétés des matériaux,  L’éclairage voulu pour certains éléments de la scène. La problématique de l’éclairage inverse

21 21 4. L’éclairage inverse Les techniques employées par les spécialistes de l’éclairage. Key light + fill light + back light Image de Kahrs

22 22 4. L’éclairage inverse Paramètres fondamentaux des problèmes d’éclairage inverse : Paramètres fondamentaux des problèmes d’éclairage inverse : –La nature de l’éclairage (direct ou global) –Le modèle d’éclairement (Phong, radiosité, calcul de la radiance, etc.) –Les contraintes a priori sur les sources lumineuses (Positions fixées, ensemble de positions possibles, aucune contrainte de position). Nous allons classer les diverses approches en prenant comme critère le modèle d’éclairement. Nous allons classer les diverses approches en prenant comme critère le modèle d’éclairement.

23 23 4. L’éclairage inverse Modèle de Phong : Utilisation de zones fortement éclairées et de volumes d’ombres (Poulin, Fournier - 1992).

24 24 4. L’éclairage inverse Modèle de Phong : Esquisses d’ombres portées et de zones fortement éclairées (Poulin, Ratib, Jacques - 1997).

25 25 4. L’éclairage inverse La radiosité : Calcul de l’émittance à partir de carreaux peints par l’utilisateur (Schoeneman et al. – SIGGRAPH’93). Les positions des carreaux émetteurs sont fixées a priori. Les positions des carreaux émetteurs sont fixées a priori. Technique d’optimisation linéaire de type méthode des moindres carrés. Technique d’optimisation linéaire de type méthode des moindres carrés.

26 26 4. L’éclairage inverse La radiosité : Calcul de l’émittance à partir de carreaux peints par l’utilisateur (Schoeneman et al. – SIGGRAPH’93).

27 27 4. L’éclairage inverse La radiosité : Radioptimization (Kawai, Painter, Cohen – SIGGRAPH’93). Possibilité partielle de décrire Possibilité partielle de décrire qualitativement l’ambiance d’une scène. qualitativement l’ambiance d’une scène. Utilisation d’un algorithme d’optimisation de type quasi-Newton. Utilisation d’un algorithme d’optimisation de type quasi-Newton.

28 28 4. L’éclairage inverse La radiosité : Radioptimization (Kawai, Painter, Cohen – SIGGRAPH’93). On minimise une fonction qui est une combinaison linéaire de termes : On minimise une fonction qui est une combinaison linéaire de termes : de nature physique : de nature physique : –des contraintes sur la radiosité d’un carreau par exemple, –l’énergie totale de la pièce. basés sur une perception subjective : basés sur une perception subjective : Impression de « clarté », d’ « intimité », « aspect agréable ». Impression de « clarté », d’ « intimité », « aspect agréable ».

29 29 4. L’éclairage inverse La radiosité : Radioptimization (Kawai, Painter, Cohen – SIGGRAPH’93). Impression de clartéAmbiance intimiste

30 30 4. L’éclairage inverse La radiosité : Pseudo-inversion avec une décomposition en valeurs singulières (Contensin – 1997, 2002). Différents types de carreaux : Différents types de carreaux : –potentiellement émetteurs, –emittance nulle et radiosité fixée, –emittance nulle et radiosité non fixée. On réécrit l’équation de radiosité en fonction des types précédents et on effectue une pseudo- inversion (méthode d’optimisation). On réécrit l’équation de radiosité en fonction des types précédents et on effectue une pseudo- inversion (méthode d’optimisation).

31 31 4. L’éclairage inverse La radiosité : Pseudo-inversion avec une décomposition en valeurs singulières (Contensin – 1997, 2002).

32 32 4. L’éclairage inverse Evaluation de la radiance (Costa, Sousa, Ferreira – 1999) Scripts (complexes) écrits par le concepteur et modélisant la fonction objectif à optimiser. Scripts (complexes) écrits par le concepteur et modélisant la fonction objectif à optimiser. Utilisation de RADIANCE (Ward) pour le calcul effectif de la radiance. Utilisation de RADIANCE (Ward) pour le calcul effectif de la radiance. Algorithme de recuit simulé. Algorithme de recuit simulé.

33 33 4. L’éclairage inverse Evaluation de la radiance (Costa, Sousa, Ferreira – 1999) ~ 3h de calcul (PC haut de gamme 1999)

34 34 4. L’éclairage inverse Conclusion sur l’état de l’art des méthodes d’éclairage inverse : Bonne interface utilisateur  Peu de paramètres intervenant pour les sources lumineuses. Bonne interface utilisateur  Peu de paramètres intervenant pour les sources lumineuses. Beaucoup de paramètres pour les sources lumineuses  Interface peu intuitive. Beaucoup de paramètres pour les sources lumineuses  Interface peu intuitive. Un ensemble de techniques d’optimisation. Un ensemble de techniques d’optimisation. Une seule méthode (radioptimization) essaie de prendre en compte une description qualitative (partielle) de l’éclairage. Une seule méthode (radioptimization) essaie de prendre en compte une description qualitative (partielle) de l’éclairage.

35 35 4. L’éclairage inverse Les contextes d’utilisation : Les contextes d’utilisation : 1.L’éclairage d’un endroit – en architecture par exemple.  souvent, des règles à respecter. 2.L’éclairage d’un événement – une exposition dans un musée par exemple. 3.L’éclairage pour une photographie – une publicité par exemple. On se place dans les 2 premiers cas On se place dans les 2 premiers cas  L’utilisateur peut se déplacer dans la scène.  L’utilisateur peut se déplacer dans la scène.  Utilisation de la radiosité.

36 36 4. L’éclairage inverse Dans notre approche, l’utilisateur spécifie l’éclairage qu’il désire de manière déclarative. Dans notre approche, l’utilisateur spécifie l’éclairage qu’il désire de manière déclarative. Nous allons introduire les principales propriétés que l’on peut mettre à sa disposition. Nous allons introduire les principales propriétés que l’on peut mettre à sa disposition. Ces propriétés seront traitées à l’aide du modèle des sous-ensembles flous. Ces propriétés seront traitées à l’aide du modèle des sous-ensembles flous.

37 37 4. L’éclairage inverse Propriété liée à l’éclairage des objets : « La table est faiblement éclairée ». Propriété liée à l’éclairage des objets : « La table est faiblement éclairée ». Propriétés liées aux sources lumineuses : Propriétés liées aux sources lumineuses : –Forme de la source (carrée, rectangle, disque, etc.), –Nombre de sources lumineuses, –Position des sources lumineuses (« Les sources lumineuses sont situées au plafond »), –Alignement des sources lumineuses.

38 38 4. L’éclairage inverse Spécification déclarative Spécification déclarative Intervalles flous Intervalles flous Problème de satisfaction de contraintes Problème de satisfaction de contraintes Algorithme de résolution du problème inverse Rendu de scènes solutions Schéma général d’un outil permettant une approche déclarative de l’éclairage :

39 39 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

40 40 5. Une méthode de Monte-Carlo pour l’éclairage inverse On se place dans le cadre de la radiosité. On se place dans le cadre de la radiosité. Les méthodes de Monte-Carlo sont des techniques de statistique probabiliste permettant d’estimer la valeur d’une intégrale. Les méthodes de Monte-Carlo sont des techniques de statistique probabiliste permettant d’estimer la valeur d’une intégrale. Nous les utilisons pour estimer la valeur du facteur de forme F ij (que nous interprétons comme le taux de visibilité de P j depuis P i ). Nous les utilisons pour estimer la valeur du facteur de forme F ij (que nous interprétons comme le taux de visibilité de P j depuis P i ).

41 41 5. Une méthode de Monte-Carlo pour l’éclairage inverse Lancer aléatoire de rayons depuis le carreau P i en effectuant un échantillonnage d’importance. Lancer aléatoire de rayons depuis le carreau P i en effectuant un échantillonnage d’importance. On collecte les indices des carreaux atteints. On collecte les indices des carreaux atteints. On s’arrête : On s’arrête : –quand au bout d’un certain seuil, on n’a pas atteint un nouveau carreau, –quand lors d’une étape (où on lance un nombre restreint de rayons), le nombre de nouveaux carreaux atteints est  20% des rayons lancés.

42 42 5. Une méthode de Monte-Carlo pour l’éclairage inverse La totalité des sources lumineuses potentielles pour l’éclairage du haut de la boîte de gauche.

43 43 5. Une méthode de Monte-Carlo pour l’éclairage inverse On effectue un filtrage avec une valeur de seuil pour les facteurs de forme, et on se limite à des carreaux situés au plafond.

44 44 5. Une méthode de Monte-Carlo pour l’éclairage inverse On introduit un nouveau carreau servant de source lumineuse  remaillage. On introduit un nouveau carreau servant de source lumineuse  remaillage. On place le carreau émetteur dans l’enveloppe convexe des carreaux trouvés par l’algorithme d’éclairage inverse. On place le carreau émetteur dans l’enveloppe convexe des carreaux trouvés par l’algorithme d’éclairage inverse. La radiance émise appartient à un intervalle calculé à partir de l’intervalle obtenu à partir d’un sous-ensemble flou. La radiance émise appartient à un intervalle calculé à partir de l’intervalle obtenu à partir d’un sous-ensemble flou.

45 45 5. Une méthode de Monte-Carlo pour l’éclairage inverse 1 ère solution trouvée58 ème et dernière solution trouvée Source de lumière carrée. Pas de variation sur l’émittance et la taille.

46 46 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

47 47 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP Problème rencontré avec les CSP. Si l’on change la position ou la taille du carreau émetteur : –nouveau maillage, –on doit recalculer les facteurs de forme, –une taille trop petite ou trop grande peut exiger une émittance ne correspondant à aucun dispositif physique existant.  La contrainte sur l’émittance est d’une grande importance et est vérifiée en dernier.  Impossible de réaliser des élagages dans l’arbre d’exploration des valeurs des autres variables.

48 48 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP On reformule l’algorithme d’éclairage inverse. On reformule l’algorithme d’éclairage inverse. Les éléments de la scène pouvant contenir des sources lumineuses sont préalablement remaillées préalablement remaillés en carreaux élémentaires. Les éléments de la scène pouvant contenir des sources lumineuses sont préalablement remaillées préalablement remaillés en carreaux élémentaires. On gère une liste L de couples constituée par : On gère une liste L de couples constituée par : –un indice d’un carreau élémentaire, –un intervalle de valeurs d’émittance admissibles. Une source lumineuse sera une combinaison de n carreaux élémentaires de L, les émittances étant divisées par n. Une source lumineuse sera une combinaison de n carreaux élémentaires de L, les émittances étant divisées par n.

49 49 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP Les principaux algorithmes de résolution des CSP sont : Les principaux algorithmes de résolution des CSP sont : –les méthodes déterministes : backtracking amélioré par des heuristiques, l’impact d’une assignation de variable sur les domaines des autres (forward checking, etc.), la recherche d’assignations menant à un conflit. –les méthodes stochastiques : On affecte aléatoirement une valeur à chaque variable et on essaie de réparer l’instanciation globale pour parvenir à une solution.

50 50 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP CSP obtenus : (X,Y) haut-gauche de la source lumineuse. S taille de la source lumineuse. Quand S varie, le nombre de contraintes varie  On a une suite de CSP à résoudre.

51 51 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP On peut arriver à écrire les contraintes en extension. On peut arriver à écrire les contraintes en extension. Avec un ordre d’instanciation particulier pour les variables, on se ramène à des intersections d’ensembles. Avec un ordre d’instanciation particulier pour les variables, on se ramène à des intersections d’ensembles. On a une méthode ad hoc dont l’esprit est proche du forward checking. On a une méthode ad hoc dont l’esprit est proche du forward checking.

52 52 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP Problème : un nombre considérable de solutions obtenues. Problème : un nombre considérable de solutions obtenues. Comment présenter de façon rationnelle cet ensemble de solutions à l’utilisateur ? Comment présenter de façon rationnelle cet ensemble de solutions à l’utilisateur ? Les CSP aboutissent à des calculs d’intersections peu utiles au regard du problème de la gestion des scènes solutions. Les CSP aboutissent à des calculs d’intersections peu utiles au regard du problème de la gestion des scènes solutions.

53 53 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

54 54 7. Classification et représentation des scènes solutions On a vu que la phase de prise de connaissance est cruciale. On a vu que la phase de prise de connaissance est cruciale. Nous allons recourir à des techniques de visualisation de l’information. Nous allons recourir à des techniques de visualisation de l’information. Nos travaux s’inspirent de ceux de Marks et al., en les améliorant grâce à la prise en compte de la spécificité de notre problème. Nos travaux s’inspirent de ceux de Marks et al., en les améliorant grâce à la prise en compte de la spécificité de notre problème.

55 55 7. Classification et représentation des scènes solutions Les Design Galleries (Marks et al. – SIGGRAPH’97) But : engendrer de façon automatique un ensemble de solutions assez différentes entre elles et les ranger judicieusement. But : engendrer de façon automatique un ensemble de solutions assez différentes entre elles et les ranger judicieusement. L’utilisateur fournit le vecteur d’entrée, le vecteur de sortie, une distance sur les vecteurs de sortie. L’utilisateur fournit le vecteur d’entrée, le vecteur de sortie, une distance sur les vecteurs de sortie. Sont fournis : Sont fournis : –2 algorithmes de dispersion (choix adéquat de solutions). –2 algorithmes d’arrangement (classement et visualisation des solutions)

56 56 7. Classification et représentation des scènes solutions Les Design Galleries (Marks et al. – SIGGRAPH’97) Système de Design Gallery pour l’éclairage d’une scène. ~ 5h de calcul

57 57 7. Classification et représentation des scènes solutions Notre méthode : 1. Spécification déclarative des éléments à éclairer. 2. Spécification déclarative éventuelle de la position des sources lumineuses. 3. Eclairage direct  méthode de Monte-Carlo. Illumination globale  on garde les faces pouvant contenir des lumières. 4. Calcul d’intervalles flous. 5. Phase de dispersion : remaillage des faces ou parties de faces. 6. Phase de présentation : construction d’un graphe fortement structuré.

58 58 7. Classification et représentation des scènes solutions Classification des scènes solutions (pour une seule source lumineuse) Solution avec des valeurs moyennes face 1face 2… haut gauchehaut droit centre bas gauche bas droit taille 1taille 2 taille 4… scène1 scène2 … } Notion de distance

59 59 7. Classification et représentation des scènes solutions Présentation des scènes solutions : Critères intervenant : le nombre de sources de lumière, le nombre de sources de lumière, la position de la source de lumière, la position de la source de lumière, la taille de la source lumineuse, la taille de la source lumineuse, la distance entre les solutions obtenues. la distance entre les solutions obtenues. Distance choisie : Avec : r(s) correspond à l’impact lumineux de la source lumineuse sur la scène s

60 60 7. Classification et représentation des scènes solutions Premier sous-graphe du graphe des solutions présenté à l’utilisateur.

61 61 7. Classification et représentation des scènes solutions Sous-graphe présenté à l’utilisateur quand il sélectionne le nœud 2.

62 62 7. Classification et représentation des scènes solutions Scène choisie par l’utilisateur et correspondant au nœud 4 du graphe précédent

63 63 SOMMAIRE SOMMAIRE 1. Introduction 2. Gestion de propriétés avec des sous-ensembles flous 3. Le concept d’ambiance 4. L’éclairage inverse 5. Une méthode de Monte-Carlo pour l’éclairage inverse 6. Gestion de l’aspect déclaratif de l’éclairage avec des CSP 7. Classification et représentation des scènes solutions 8. Conclusion

64 64 8. Conclusion Nous avons développé une méthodologie générale pour gérer des propriétés imprécises et incertaines. Nous avons développé une méthodologie générale pour gérer des propriétés imprécises et incertaines. Notre étude de l’éclairage inverse nous a montré qu’il est plus important de classer judicieusement des solutions – mêmes approximatives – plutôt que de rechercher une (ou plusieurs) solutions approchées optimales. Notre étude de l’éclairage inverse nous a montré qu’il est plus important de classer judicieusement des solutions – mêmes approximatives – plutôt que de rechercher une (ou plusieurs) solutions approchées optimales. Notre système permet de renforcer ou d’atténuer l’ambiance intrinsèque aux objets de la scène. Notre système permet de renforcer ou d’atténuer l’ambiance intrinsèque aux objets de la scène.

65 65 8. Conclusion Perspectives futures : Améliorer l’interactivité pour l’exploration des solutions (algorithme de spring embedding dynamique). Améliorer l’interactivité pour l’exploration des solutions (algorithme de spring embedding dynamique). Présenter différents points de vue quand l’utilisateur sélectionne une scène. Présenter différents points de vue quand l’utilisateur sélectionne une scène. Utiliser un autre modèle d’éclairement que la radiosité (qui a tendance à produire des scènes trop similaires). Utiliser un autre modèle d’éclairement que la radiosité (qui a tendance à produire des scènes trop similaires).