Insertion dobjets virtuels GIF-4105/7105 Photographie Algorithmique Jean-François Lalonde Merci à A. Efros et P. Debevec!

Slides:



Advertisements
Présentations similaires
Chaîne de Synthèse Réel Modélisation Rendu Image Fichier Scène
Advertisements

La réflexion de la lumière
Unstructured Lumigraph Rendering
The Reyes Image Rendering Architecture
Le rendu basé images S. B Kang. A survey of image-based rendering techniques. In Videometrics VI, volume 3641, pages SPIE, 1999 Heung-Yeung Shum.
1/30 Rendu par tracé de chemins ESSI2 George Drettakis http: //www-sop.imag.fr/reves/George.Drettakis/cours/ESSI2/index.html.
Synthèse d’images.
NOUVEAU : CAMERA HCCWD484 Fonctionnalités – Caméra numérique dynamique 1/3 pouce – Traitement numérique 14 bits – Exposition propre à chaque pixel – Plage.
Rendu de pierres taillées en temps réel Stéphane Guy Directeur de stage: Cyril Soler.
Reconstruction 3D par mono vision avec des trajectoires fortement contraintes Joan Solà LAAS-CNRS Toulouse, France Revue du projet PICAS$O 3 novembre 2005.
La photographie argentique.
L’holographie Damien Bourhis Emilie Cravero Benjamin François
GIF-19263/GIF Vision numérique
Le diaphragme (photographie)
Astrophotographie HDR
Caméras Infrarouge pour la reconnaissance du visage
Recherche d’un même objet / scène
Éclairage Structuré et vision active pour le contrôle qualité de surfaces métalliques réfléchissantes Olivier Morel*, Ralph Seulin, Christophe Stolz, Patrick.
LA PHOTO LA LUMIÈRE.
Le morphage d’images GIF-4105/7105 Photographie Algorithmique
Gravitational Lensing
Découpage d’images GIF-4105/7105 Photographie Algorithmique
La caméra GIF-4105/7105 Photographie Algorithmique
Transformation linéaires
IFT3730: Infographie 3D Illumination locale
Modélisation du robot Azimut-3
Chapitre 4: Objets et Images
Des images virtuelles en relief grâce à l’HOLOGRAPHIE
Cours #3 Formation des images
Psychologie de la perception La constance perceptive
IFT3730: Infographie 3D Textures
IFT3730 : Infographie 3D Systèmes et modèles graphiques Pierre Poulin, Derek Nowrouzezahrai Hiver 2013 DIRO, Université de Montréal.
IFT2740 : Outils de l'infographie 3D Systèmes et modèles graphiques
IFT3355: Infographie Illumination globale
Plage Dynamique GIF-4105/7105 Photographie Algorithmique
Design dun système de vision embarqué. Application:
PIF-6003 Sujets spéciaux en informatique I
SUJETS SPÉCIAUX EN INFORMATIQUE I
Les points essentiels Les rayons lumineux; Sources lumineuses;
Introduction au traitement d’images Simulation sous Matlab
LES REHAUSSEMENTS D'IMAGES
Thierry Molinier > David Fofi >
© Jerome Boccond-Gibod, Flickr
Insertion d’objets virtuels, suite GIF-4105/7105 Photographie Algorithmique Jean-François Lalonde Merci à A. Efros et P. Debevec!
Photo-Club Déclic et des Claps Vendredi 12 Octobre 2011
La réflexion de la lumière
Les images de synthèses Duprat Anatole. Les images de synthèses consistent en la création assistée par ordinateur, d'images numériques. Il existe différentes.
Création en images de Synthèse Modèles de rendu d’une scène 3D
PPE : Portail à commande par puce RFID
Projet Lancer de Rayons
La Science – 8ème année Unité 2- L’optique
Sciences 8 Unité 2: L’Optique
Introduction au Traitement d’image
Credits : Joëlle Thollot, Hector Briceño, Edmond Boyer
GRAPHISME PAR ORDINATEUR SIF Contenu du cours 10 Textures –Définir la texture –Superposition d’une texture sur une surface plane –Superposition.
Les lois de la réflexion et les images formés dans des miroirs simples
DETECTION DE L’ANGLE MORT EN VOITURE
Equipe SIMM Signaux et Image Multisources Multicomposantes
GRAPHISME PAR ORDINATEUR SIF Contenu du cours 8 Rendu de surfaces –Modèles de rendu de surfaces –Illumination de la scène –Sources lumineuses –Composante.
Les caméras CCD Qu’est ce qu’une camera CCD ? Principes
La photographie Bon un titre un peu prétentieux compte-tenu du contenu réel de cette présentation… Julien Pichette.
Implémentation d’un opérateur de répartition de sources lumineuses
Sciences 8 Unité 2: L’Optique
Astrophotographie HDR
Photo club Rouxmesnil-Bouteilles
Bases techniques de la photographie numérique
L’appareil photo En quoi ca consiste ? D’où ça vient ?
Exemple et critique d’un système de vision simple Patrick Hébert (dernière révision septembre 2008) Référence complémentaire: Shapiro et Stockman: chap.
Des applications de l’optique géométrique.. 1. Étude optique de l’œil.
Transcription de la présentation:

Insertion dobjets virtuels GIF-4105/7105 Photographie Algorithmique Jean-François Lalonde Merci à A. Efros et P. Debevec!

Plan reste de la session Cette semaine: insertion dobjets virtuels Autres sujets: à votre choix! Big Data: comprendre et synthétiser les images à partir de grandes quantités de données visuelles Comment prendre de bonnes photos? Comment fonctionne la kinect? Caméras lightfield: focuser après avoir pris la photo! lytro.com Détecter les fausses images ACP et visages Caméras algorithmiques Autres idées? Allez voter sur le groupe Facebook!

Aujourdhui Retour sur la formation dimages à haute plage dynamique Reproduction tonale (tone mapping) Insertion dobjets virtuels À conclure mercredi

Modèle radiométrique (simplifié) ΔtΔtΔtΔt radiance (W/sr/m 2 ) irradiance au capteur exposition au capteur Lentill e Obturateur voltage valeurs numérique s pixel s CCD Conversion analogique- numérique Fonction non-linéaire

Modèle radiométrique (plus simplifié) ΔtΔtΔtΔt radiance (W/sr/m 2 ) exposition au capteur Obturateur pixels (z) Fonction non-linéaire

Algorithme Série dimages Δt = 1 sec Δt = 1/16 sec Δt = 4 sec Δt = 1/64 sec Δt = 1/4 sec

Algorithme Série dimages Δt = 1 sec Δt = 1/16 sec Δt = 4 sec Δt = 1/64 sec Δt = 1/4 sec

Math Notons la fonction inverse discrétisée: g(z) Pour chaque pixel i dans une image j, nous avons: Système déquations linéaires sur-contraint: composante pour sassurer quon approxime les données composante sassurer que la courbe soit lisse

Résultat Courbe estimée log exposition Kodak DCS460 1/30 à 30 sec Pixel

Radiance

Résultats: couleur

12 RougeVert RGBBleu

Radiance

Image précédente entre 0 et 255

Et maintenant?

Reproduction tonale Mond e Image (écran, projecteu r) 0 à 255 Haute plage dynamique Comment faire? Linéaire? Seuil? Suggestions?

Linéaire En fonction des pixels les plus clairs En fonction des pixels les plus sombres

Opérateur global Déterminer une courbe qui: Ramène le contenu du signal HDR dans une plage qui convient à un écran ou un projecteur Naugmente pas les parties sombres Donc: Asymptote à 255 Dérivée = 1 à 0

Opérateur global (Reinhard et al.) Solution toute simple: utiliser une transformée non- linéaire

Non-linéaire Reinhar d En fonction des pixels les plus sombres

Opérateur global

Quest-ce que nos yeux voient? Vs.

Demo LuminanceHDR

Insérons un objet virtuel Pourquoi le résultat est si mauvais? Mauvaise orientation Mauvais éclairage Pas dombre

Solutions Mauvaise orientation Estimer les paramètres de la caméra en fonction de la table. Comment? Calibrage géométrique Illumination Estimer la position et lintensité des sources lumineuses à placer dans lenvironnement virtuel Que faire si lillumination est complexe? Sources étendues, inter-réflexions, etc…

Carte denvironnement (environment map) Solution simple pour objets réfléchissants Modélise lillumination avec une image panoramique i.e. quantité de radiance qui provient de chaque direction Tout premier résultat! (Jim Blinn, 1976)

Carte denvironnement fonction qui convertit le vecteur de réflexion (x, y, z) en coordonnées image (u, v) Rayon réfléchi: r=2(n·v)n-v La texture est transférée directement sur lobjet en fonction du vecteur de réflexion et du contenu de limage denvironnement Surface réfléchissante Observateur Image denvironnement v n r

Carte sphérique Enregistre la carte en format sphérique (θ, φ) Pour générer la carte: Effectuer un rendu sphérique à partir de la position de lobjet Pour utiliser la carte: Utiliser lorientation du rayon réfléchi (en coordonnées angulaires), et lire la valeur de couleur correspondantes dans la carte sphérique

Exemple: carte sphérique

Exemple 5s (source: tchyup sur youtube)

Approximations La carte continent une vue du monde à partir dun seul point Cette vue change en fonction de la position sur lobjet! Introduit distorsions, mais difficile à remarquer Minimales pour un petit objet dans un grand environnement Lobjet ne se réfléchit pas lui-même

Scènes réelles? Flight of the Navigator (1986), premier film à utiliser cette technologie

Scènes réelles? Terminator 2 (1991)

Carte denvironnement réelles Photographier le monde! Comment photographier toutes les directions? Panoramas! Existe aussi dautres solutions… Comment photographier les sources lumineuses? Elles sont beaucoup plus lumineuses que le reste de lenvironnement… Haute plage dynamique, bien entendu!

Mosaïques HDR d/

Caméras panoramiques Avantages: très haute résolution (10K x 7K+) Pas de mosaïques: sphère automatique Bonne plage dynamique (même HDR) Problèmes $$$ Long à capturer

Lentilles

Sphère métallique

Détour: où trouver une sphère métallique? 2 pouces de diamètre ~ $20 ea. McMaster-Carr pouces, moins bonne qualité Bakers Lawn Ornaments Hollow Spheres, 2in – 4in Dube Juggling Equipment

=> 59% réflective Calibrage de la réflexivité de la sphère

Real-World HDR Lighting Environments Exemples: Exemples: Funston Beach Uffizi Gallery Eucalyptus Grove Grace Cathedral

Capturer lenvironnement Avan t Arrièr e

Composer lenvironnement Avan t Arrièr e

Pas seulement pour les objets réfléchissants Nous avons capté une vraie image de radiance Nous pouvons la traiter comme une source lumineuse! lutiliser pour éclairer la scène, en simulant la propagation de la lumière dans lenvironnement virtuel Tous les objets peuvent être affichés (pas seulement les objets réfléchissants)! Quelle est le problème?

Résultats

Comparaison: radiance vs image

Objets virtuels illuminés par une source virtuelle

Illuminer les objets virtuels Objet Lumièr e

L/

Nous savons maintenant comment illuminer des objets virtuels avec de la vraie lumière Comment combiner ces objets virtuels avec de vraies images?

/

55

56

57

58

59 real scene light-based model

60

61 real scene synthetic objects light-based model local scene

62 synthetic objects (known BRDF) synthetic objects (known BRDF) distant scene (light-based, unknown BRDF) local scene (estimated BRDF) local scene (estimated BRDF)

63

64

65

= =

67

Historique Mercredi: Combiner les objets virtuels avec les images réelles

Plan reste de la session Cette semaine: insertion dobjets virtuels Autres sujets: à votre choix! Big Data: comprendre et synthétiser les images à partir de grandes quantités de données visuelles Comment prendre de bonnes photos? Comment fonctionne la kinect? Caméras lightfield: focuser après avoir pris la photo! lytro.com Détecter les fausses images ACP et visages Caméras algorithmiques Autres idées? Allez voter sur le groupe Facebook!