La
partie concernant les entités intelligentes a pour but de fournir aux étudiants
les notions pour concevoir des animations avec des objets complexes et des
personnages, pilotées ou autonomes. Elle doit permettre de connaître les
différents algorithmes et techniques en animation et en simulation
comportementale.
La
partie relative à la réalité virtuelle de cette matière a pour objectif de
donner aux étudiants les moyens d’appréhender les concepts de la Réalité
Virtuelle et de la Réalité augmenté et de concevoir une application avec les
matériels et les techniques d’interaction adéquats.
- Introduction
- Historique
de l’animation par ordinateur
- Animation
par ordinateur
- Animation
image par image
- Animation
temps réel
- Les
techniques de génération de mouvements
- Capture
de mouvement
- Cinématique
et dynamique
- Systèmes
de particules
- Systèmes
masses ressorts- Les modèles d’animation
- Les modèles descriptifs
- Les modèles générateurs
- Les modèles comportementaux
«Transformations
internes
«Transformations
externes ( modèle de Reynolds)
- Animation
comportementale
- Environnements
virtuels
- Planification
de chemin( A*)
- La simulation de foule d’humains
virtuels
- Les modèles micro et macro-scopique
- Les domaines d’applications
- La réalité virtuelle et augmentée
- Teacher: Foudil Cherif
Intitulé du Master : Image et Vie Artificielle
Semestre : S2
Intitulé de l’UE : Techniques de modélisation et d’animation
Intitulé de la matière : Colorimétrie et BRDF
Crédits : 5
Coefficients : 2
Objectifs de l’enseignement.
Ce cours se décompose en deux parties :les notions de colorimétrie et les modèles de BRDF. Les
objectifs de ce cours sont de :
- Comprendre la notion de couleur qui ne peut se limiter simplement à sa composition spectrale,
et doit prendre en compte : Les caractéristiques des surfaces des objets, la qualité de la
perception visuelle, la nature de la source d'éclairage et la géométrie de l'observation
- Comprendre la notion de matériaux, et transmission de la lumière, ainsi que les différentes
approches possibles pour la simulation de l'éclairage local.
- Appréhender les différents modèles de BRDF (modèles simplifiés, modèles complexes).
Connaissances préalables recommandées.
Techniques de Synthèse d’Images (TSI).
Techniques de Traitement d’Images (TTI).
Contenu de la matière.
Première partie : Colorimétrie
- Introduction à la colorimétrie
- Mécanisme de base de la vision des couleurs
- Perception des mélanges de couleurs
- Représentation des couleurs
-Illuminants normalisés
Deuxième partie : Fonction de reflectance Bidirectionnelle (BRDF)
- Proporiétés et définition de la fonction BRDF
- Paramétrisation de la fonction BRDF
- Les modèles de BRDF
o Les modèles de réflectance physique : (Modèle idéal, Torrance-Sparrow, Cook-Torrance, Kajiya, Poulin-Fournier, Oren-Nayar, Ashikhmin-Shirley)
o Les modèles de reflectance empirique : (Phong, Blinn, …)
o Les modèles expérimentaux (Ward, Schlick, …)
Mode d’évaluation.
50 % Examen + 30 % TP + 20 % Travail personnel.
Cette matière est destinée à approfondir les connaissances de l’étudiant dans le
domaine de la modélisation et simulation. De plus, elle initie aux techniques d’évaluation des performances.
- Teacher: Salim Bitam
L'objectif du cours est la programmation des shaders via les GPUs. Un shader est un programme informatique, utilisé pour créer des images de synthèse de scènes virtuelles. Ce cours traite en particulier le pipeline graphique via les GPUs, qui permet de paramétrer une partie du processus de rendu réalisé par une carte graphique ou un moteur de rendu. Les différentes étapes du processus de rendu sont ainsi pris en charge par ces programmes pour une exécution en parallèle par le GPU.
- Teacher: Babahenini Mohamed Chaouki
- Teacher: abdelmoumene zerari
Présentation du cours
Le traitement d'images est un domaine très vaste qui a connu depuis (~ les années 60), et qui connaît encore, un développement important depuis quelques dizaines d'années. On désigne par le traitement d'images l'ensemble des opérations et des méthodes sur les images numériques, qui transforment une image en une autre image, ou en une autre primitive formelle. Ces méthodes permettent d’améliorer la qualité et de segmenter l'image afin d’extraire les régions d’intérêts dans l’image pour les interpréter et les utiliser dans les systèmes et les applications. Le domaine de traitement des images est utilisé dans des milliers d'applications potentielles. On peut dire que presque tous les domaines de la science et de la technologie peuvent faire un appel aux méthodes de traitement d'images telles que : la médecine, Navigation autonome (voitures, robots, ...), Sécurité et la biométriques, Astronomie, Industrie, ...
Ce cours intitulé le « traitement d'images » permet de vous familiariser avec les fondements du domaine du traitement, d’analyse et d’interprétation d’images afin de maîtriser les méthodes de transformation, d’amélioration et de segmentation d'images. Il permettra de mieux aborder le module de traitement avancé des images. Le cours est scindé en un ensemble d’unités d’apprentissage qui vous permettent d’acquérir des compétences en matière de traitement d'images liés à votre discipline tels que la vision par ordinateur et la reconnaissance de formes, l’infographie, la synthèse d’images ...
Public cible
Les étudiant du 1ère année Master, spécialité Image et Vie Artificielle
Objectifs du cours
L’objectif de ce cours est d’apporter une formation de base dans le domaine de traitement d’images et d’implémenter les différentes méthodes de traitement (filtrage/ segmentation d’images).
A l’issue de la formation vous serez capable :
- Connaitre les étapes de base de la chaîne de traitement à effectuer une fois l’image numérique acquise, afin de pouvoir l’analyser au mieux, selon l’application visée.
- Apprendre les notions de base des images numériques acquises pour avoir comment les améliorer afin de faciliter leur manipulation et leur interprétation.
- Comprendre et d’appréhender la représentation et le codage des images (transformations, format, couleur...).
- Implémenter les différentes méthodes concrètes de traitement d’image pour les utiliser dans des systèmes complexes (eg. télésurveillance, détection de visage, reconnaissance de formes...)
- l’acquisition des connaissances software indispensables pour l’implémentation de méthodes de traitement d’images en langage C, en Matlab et d'autre langages de programmation
- Teacher: Imane Youkana
Présentation du cours |
|---|
La synthèse d'image a connu une évolution importante ces derniers années et ses applications sont très variées, ce qui nécessite un large calcul des images de rendu. En effet, le CPU de la machine permet de générer des images dans un temps de calcul et un coût mémoire très élevé.
Un shader est un programme exécuté non pas par le processeur de la machine mais plutôt par la carte graphique, cette dernière qui nous aide à produire des images ou des scènes complexes dans un temps de calcul réduit. La programmation avec les shaders est très utilisée aujourd'hui en synthèse d'images, plus particulièrement dans les domaines qui nécessite un temps de calcul interactif tels que le domaine des jeux vidéos, la reconstruction 3D, et la réalité virtuelle.
|
Public cible |
| Les étudiants de première année Master Image et Vie Artificielle -Informatique de l'Université de Biskra. |
Objectifs de cours |
|
|---|---|
|
