Techniques d'Illumination Globale 2022-2023

Les algorithmes d'illumination globale (GI pour Global Illumination) sont ceux qui, en déterminant la lumière tombant sur une surface, tiennent compte non seulement de la lumière qui a pris un chemin partant directement d'une source lumineuse (illumination directe), mais également la lumière ayant subi la réflexion d'autres surfaces dans la scène à 3 dimensions (illumination indirecte).

GI est considéré comme un éclairage précis, c’est un autre élément important des images complexes et réalistes. L'éclairage est l'un des algorithmes d'infographie les plus compliqués, et c'est aussi l'un des plus critiques pour des images crédibles. L'éclairage est ce qui donne le détail de la surface qui correspond aux propriétés physiques de l'objet. La base de la plupart des techniques d'approximation d'éclairage consiste à estimer la quantité d'énergie lumineuse transmise, réfléchie ou absorbée en un point donné d'une surface. Presque tous les algorithmes raisonnables sont dérivés de l'équation de rendu, une contribution très importante au domaine de l'infographie par James T. Kajiya de CalTech en 1986. Kajiya a basé son idée sur la théorie du transfert de chaleur radiatif.


Environnements et Humains Virtuels

Ce cours présente les principaux modèles pour la représentation et le contrôle du mouvement d'agents virtuels animés dans des environnements virtuels 3D. Il décrit les méthodes et techniques nécessaires pour concevoir, modéliser, et animer des agents virtuels, qui peuvent être autonomes et doués de capacités de communication, ou multiples dans des environnements adaptatifs (simulation de foule).

Complexité et Optimisation

  • L’objectif de ce module est de comparer les performances des algorithmes qui effectuent les mêmes tâches pour trouver un bon algorithme. Le contenu du module est consacré d'une part, à la théorie de la complexité des algorithmes, complexité des problèmes, Grandeur des fonctions et mesure de performance. Et d'autre part, à la présentation des différentes méthodes d'optimisation combinatoire.
  • La réalisation de cet objectif nécessite des connaissances de base qui concerne le domaine de l’analyse d’algorithmique et les techniques d’optimisation de la complexité présentées par : les méthodes de calcul de complexité des algorithmes (coût uniforme et coût logarithmique) et les classes de complexité des problèmes, l'optimisation, la dichotomie et la stratégie D&C. 
  •  Le contenu de ce module permet de présenter la notion d'optimisation combinatoire, les méthodes exactes : Branch&Bound et Recherche Arborescente ; ainsi que les méthodes approchées de résolution d'un problème d'optimisation, et en particulier, l'étude des heuristiques spécialisées : Algorithme Glouton, les méthodes d'exploration avec information : Algorithmes de Recherche Locale,  A*, Hill Climbing.
§ Et l’étude des techniques métaheuristique : Algorithme TS et  AGs.