Sp

1
Spécification déclarative de lambiance dune
scène.

• Patrick Poulingeas
• Laboratoire MSI.
• Jeudi 18 novembre 2004.
• Présentation pour lobtention du titre de
• docteur en informatique de
• lUniversité de Limoges.

2
SOMMAIRE

• I. La notion dambiance et la modélisation
  déclarative
• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• II. Léclairage inverse
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• III. Traitement de laspect déclaratif et gestion
  des solutions
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

3
1. Introduction

• Les modeleurs ont fait dénormes progrès ces
  dernières années en terme de fonctions mises à la
  disposition de lutilisateur.
• Cependant, ces fonctions reposent sur des modèles
  et des bases géométriques nayant pas évolué et
  difficiles à appréhender pour un non spécialiste.

4
1. Introduction

• Linterface utilisateur est devenue complexe.

5
1. Introduction

• Il y a de plus un manque doutils pour spécifier
  des propriétés de haut niveau.
• Lutilisateur est souvent astreint à un long
  cycle dessais-corrections pour parvenir à
  leffet quil désire.
• Cest notamment le cas quand lon veut introduire
  une certaine ambiance dans une scène.

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 dune spécification de
• haut niveau des propriétés de la scène.

7
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

8
2. Gestion de propriétés

• Les sous-ensembles flous permettent de traiter
  une description imprécise comme
• La hauteur de la table est grande
• avec un degré de satisfaction.
• Notion introduite par Desmontils en modélisation
  déclarative en 1995.

9
2. Gestion de propriétés
Exemple de fonction dappartenance (de type L-R)
associé à une propriété
10
2. Gestion de propriétés

• 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.
• Les fonctions associées aux propriétés peuvent
  accepter des modificateurs permettant de
  fabriquer de nouvelles propriétés.

11
2. Gestion de propriétés

• Travaux de Desmontils
• Modificateurs ( très , assez peu , etc.)
• Opérateurs flous ( vaguement , exactement ,
  etc.)
• Notre apport la gestion de lincertitude dans
  une description.
• Exemple
• Il est plutôt certain que le temps est orageux.
  

12
2. Gestion de propriétés
Application à laspect brumeux dun paysage
La limite de visibilité est de 70m.
La limite de visibilité est exactement de
70m.
13
2. Gestion de propriétés
Traitement de léclairage naturel dun paysage (à
partir dun concept de Siret)
en milieu de journée
en milieu de laprès-midi
14
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

15
3. Le concept dambiance

• Trois niveaux
• Niveau proche des données physiques (Exemple
• 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 démergence
  empêchant cela ?

16
3. Le concept dambiance

• Une ambiance globale résulte de la synthèse entre
  lambiance se dégageant des objets de la scène et
  des autres données physiques de la scène (la
  lumière, le brouillard, etc.).
• La création dune ambiance est ainsi un processus
  virtuellement sans fin où la modification dun
  paramètre amène la modification dun autre, etc.

17
3. Le concept dambiance

• Les objets de la scène sont porteurs dune
  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.
• Conclusion On ne peut que renforcer ou atténuer
  lambiance préexistante si lon ne modifie pas la
  géométrie de la scène.

18
3. Le concept dambiance

• Léclairage est un des éléments fondamentaux de
  lambiance dune scène.
• Nous nous sommes limités à létude de celui-ci
  dans le reste de nos travaux.
• Le problème abordé est donc celui de léclairage
  inverse.

19
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

20
4. Léclairage inverse

• Les données 
• La géométrie des éléments de la scène,
• Les propriétés des matériaux,
• Léclairage voulu pour certains
  éléments de la scène.

La problématique de léclairage 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.

21
4. Léclairage inverse
Les techniques employées par les spécialistes de
léclairage.
Key light fill light back light
Image de Kahrs
22
4. Léclairage inverse

• Paramètres fondamentaux des problèmes déclairage
  inverse
• La nature de léclairage (direct ou global)
• Le modèle déclairement (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 déclairement.

23
4. Léclairage inverse

• Modèle de Phong
• Utilisation de zones fortement éclairées et de
  volumes dombres (Poulin, Fournier - 1992).

24
4. Léclairage inverse

• Modèle de Phong
• Esquisses dombres portées et de zones fortement
  éclairées
• (Poulin, Ratib, Jacques - 1997).

25
4. Léclairage inverse

• La radiosité
• Calcul de lémittance à partir de carreaux peints
  par lutilisateur
• (Schoeneman et al. SIGGRAPH93).
• Les positions des carreaux émetteurs sont fixées
  a priori.
• Technique doptimisation linéaire de type méthode
  des moindres carrés.

26
4. Léclairage inverse

• La radiosité
• Calcul de lémittance à partir de carreaux peints
  par lutilisateur
• (Schoeneman et al. SIGGRAPH93).

27
4. Léclairage inverse

• La radiosité
• Radioptimization
• (Kawai, Painter, Cohen SIGGRAPH93).
• Possibilité partielle de décrire
• qualitativement lambiance dune scène.
• Utilisation dun algorithme doptimisation de
  type quasi-Newton.

28
4. Léclairage inverse

• La radiosité
• Radioptimization
• (Kawai, Painter, Cohen SIGGRAPH93).
• On minimise une fonction qui est une
  combinaison linéaire de termes
• de nature physique
• des contraintes sur la radiosité dun carreau par
  exemple,
• lénergie totale de la pièce.
• basés sur une perception subjective
• Impression de clarté , d intimité ,
  aspect agréable .

29
4. Léclairage inverse

• La radiosité
• Radioptimization
• (Kawai, Painter, Cohen SIGGRAPH93).

Impression de clarté
Ambiance intimiste
30
4. Léclairage inverse

• La radiosité
• Pseudo-inversion avec
• une décomposition en valeurs singulières
• (Contensin 1997, 2002).
• Différents types de carreaux
• potentiellement émetteurs,
• emittance nulle et radiosité fixée,
• emittance nulle et radiosité non fixée.
• On réécrit léquation de radiosité en fonction
  des types précédents et on effectue une
  pseudo-inversion (méthode doptimisation).

31
4. Léclairage inverse

• La radiosité
• Pseudo-inversion avec
• une décomposition en valeurs singulières
• (Contensin 1997, 2002).

32
4. Léclairage inverse

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

33
4. Léclairage inverse

• Evaluation de la radiance
• (Costa, Sousa, Ferreira 1999)

3h de calcul (PC haut de gamme 1999)
34
4. Léclairage inverse

• Conclusion sur létat de lart
• des méthodes déclairage inverse
• Bonne interface utilisateur ? Peu de paramètres
  intervenant pour les sources lumineuses.
• Beaucoup de paramètres pour les sources
  lumineuses ? Interface peu intuitive.
• Un ensemble de techniques doptimisation.
• Une seule méthode (radioptimization) essaie de
  prendre en compte une description qualitative
  (partielle) de léclairage.

35
4. Léclairage inverse

• Les contextes dutilisation
• Léclairage dun endroit en architecture par
  exemple. ? souvent, des règles à respecter.
• Léclairage dun événement une exposition dans
  un musée par exemple.
• Léclairage pour une photographie une publicité
  par exemple.
• On se place dans les 2 premiers cas
• ? Lutilisateur peut se déplacer dans la
  scène.
• ? Utilisation de la radiosité.

36
4. Léclairage inverse

• Dans notre approche, lutilisateur spécifie
  léclairage quil désire de manière déclarative.
• Nous allons introduire les principales propriétés
  que lon peut mettre à sa disposition.
• Ces propriétés seront traitées à laide du modèle
  des sous-ensembles flous.

37
4. Léclairage inverse

• Propriété liée à léclairage des objets La
  table est faiblement éclairée .
• 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
4. Léclairage inverse
Schéma général dun outil permettant une approche
déclarative de léclairage

• Spécification déclarative
• Intervalles flous
• Problème de satisfaction de contraintes
• Algorithme de résolution du problème inverse
• Rendu de scènes solutions

39
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

40
5. Une méthode de Monte-Carlo pour léclairage
inverse

• On se place dans le cadre de la radiosité.
• Les méthodes de Monte-Carlo sont des techniques
  de statistique probabiliste permettant destimer
  la valeur dune intégrale.
• Nous les utilisons pour estimer la valeur du
  facteur de forme Fij (que nous interprétons comme
  le taux de visibilité de Pj depuis Pi).

41
5. Une méthode de Monte-Carlo pour léclairage
inverse

• Lancer aléatoire de rayons depuis le carreau Pi
  en effectuant un échantillonnage dimportance.
• On collecte les indices des carreaux atteints.
• On sarrête
• quand au bout dun certain seuil, on na pas
  atteint un nouveau carreau,
• quand lors dune étape (où on lance un nombre
  restreint de rayons), le nombre de nouveaux
  carreaux atteints est ? 20 des rayons lancés.

42
5. Une méthode de Monte-Carlo pour léclairage
inverse
La totalité des sources lumineuses potentielles
pour léclairage du haut de la boîte de gauche.
43
5. Une méthode de Monte-Carlo pour léclairage
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
5. Une méthode de Monte-Carlo pour léclairage
inverse

• On introduit un nouveau carreau servant de source
  lumineuse ? remaillage.
• On place le carreau émetteur dans lenveloppe
  convexe des carreaux trouvés par lalgorithme
  déclairage inverse.
• La radiance émise appartient à un intervalle
  calculé à partir de lintervalle obtenu à partir
  dun sous-ensemble flou.

45
5. Une méthode de Monte-Carlo pour léclairage
inverse
1ère solution trouvée
58ème et dernière solution trouvée
Source de lumière carrée. Pas de variation sur
lémittance et la taille.
46
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

47
6. Gestion de laspect déclaratif de léclairage
avec des CSP

• Problème rencontré avec les CSP.
• Si lon 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 lémittance est dune grande
  importance et est vérifiée en dernier.
• ? Impossible de réaliser des élagages dans
  larbre dexploration des valeurs des autres
  variables.

48
6. Gestion de laspect déclaratif de léclairage
avec des CSP

• On reformule lalgorithme déclairage inverse.
• 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
• un indice dun carreau élémentaire,
• un intervalle de valeurs démittance admissibles.
• Une source lumineuse sera une combinaison de n
  carreaux élémentaires de L, les émittances étant
  divisées par n.

49
6. Gestion de laspect déclaratif de léclairage
avec des CSP

• Les principaux algorithmes de résolution des CSP
  sont
• les méthodes déterministes backtracking
  amélioré par des heuristiques, limpact dune
  assignation de variable sur les domaines des
  autres (forward checking, etc.), la recherche
  dassignations menant à un conflit.
• les méthodes stochastiques On affecte
  aléatoirement une valeur à chaque variable et on
  essaie de réparer linstanciation globale pour
  parvenir à une solution.

50
6. Gestion de laspect déclaratif de léclairage
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
6. Gestion de laspect déclaratif de léclairage
avec des CSP

• On peut arriver à écrire les contraintes en
  extension.
• Avec un ordre dinstanciation particulier pour
  les variables, on se ramène à des intersections
  densembles.
• On a une méthode ad hoc dont lesprit est proche
  du forward checking.

52
6. Gestion de laspect déclaratif de léclairage
avec des CSP

• Problème un nombre considérable de solutions
  obtenues.
• Comment présenter de façon rationnelle cet
  ensemble de solutions à lutilisateur ?
• Les CSP aboutissent à des calculs dintersections
  peu utiles au regard du problème de la gestion
  des scènes solutions.

53
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

54
7. Classification et représentation des scènes
solutions

• On a vu que la phase de prise de connaissance est
  cruciale.
• Nous allons recourir à des techniques de
  visualisation de linformation.
• Nos travaux sinspirent de ceux de Marks et al.,
  en les améliorant grâce à la prise en compte de
  la spécificité de notre problème.

55
7. Classification et représentation des scènes
solutions

• Les Design Galleries
• (Marks et al. SIGGRAPH97)
• But engendrer de façon automatique un ensemble
  de solutions assez différentes entre elles et les
  ranger judicieusement.
• Lutilisateur fournit le vecteur dentrée, le
  vecteur de sortie, une distance sur les vecteurs
  de sortie.
• Sont fournis
• 2 algorithmes de dispersion (choix adéquat de
  solutions).
• 2 algorithmes darrangement (classement et
  visualisation des solutions)

56
7. Classification et représentation des scènes
solutions

• Les Design Galleries
• (Marks et al. SIGGRAPH97)

Système de Design Gallery pour léclairage dune
scène. 5h de calcul
57
7. Classification et représentation des scènes
solutions

• Notre méthode
• Spécification déclarative des éléments à
  éclairer.
• Spécification déclarative éventuelle de la
  position des sources lumineuses.
• Eclairage direct ? méthode de Monte-Carlo.
  Illumination globale ? on garde les faces
  pouvant contenir des lumières.
• Calcul dintervalles flous.
• Phase de dispersion remaillage des faces ou
  parties de faces.
• Phase de présentation construction dun graphe
  fortement structuré.

58
7. Classification et représentation des scènes
solutions

• Classification des scènes solutions
• (pour une seule source lumineuse)
• Solution avec des valeurs moyennes
• face 1 face 2
• haut gauche haut droit centre bas gauche
  bas droit
• taille 1 taille 2 taille 4
• scène1 scène2

Notion de distance
59
7. Classification et représentation des scènes
solutions

• Présentation des scènes solutions
• Critères intervenant
• le nombre de sources de lumière,
• la position de la source de lumière,
• la taille de la source lumineuse,
• la distance entre les solutions obtenues.
• Distance choisie
• Avec r(s) correspond à limpact
  lumineux de la source lumineuse sur la scène s

60
7. Classification et représentation des scènes
solutions
Premier sous-graphe du graphe des solutions
présenté à lutilisateur.
61
7. Classification et représentation des scènes
solutions
Sous-graphe présenté à lutilisateur quand il
sélectionne le nœud 2.
62
7. Classification et représentation des scènes
solutions
Scène choisie par lutilisateur et correspondant
au nœud 4 du graphe précédent
63
SOMMAIRE

• 1. Introduction
• 2. Gestion de propriétés avec des sous-ensembles
  flous
• 3. Le concept dambiance
• 4. Léclairage inverse
• 5. Une méthode de Monte-Carlo pour léclairage
  inverse
• 6. Gestion de laspect déclaratif de léclairage
  avec des CSP
• 7. Classification et représentation des scènes
  solutions
• 8. Conclusion

64
8. Conclusion

• Nous avons développé une méthodologie générale
  pour gérer des propriétés imprécises et
  incertaines.
• Notre étude de léclairage inverse nous a montré
  quil 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 datténuer
  lambiance intrinsèque aux objets de la scène.

65
8. Conclusion

• Perspectives futures
• Améliorer linteractivité pour lexploration des
  solutions (algorithme de spring embedding
  dynamique).
• Présenter différents points de vue quand
  lutilisateur sélectionne une scène.
• Utiliser un autre modèle déclairement que la
  radiosité (qui a tendance à produire des scènes
  trop similaires).