분류 전체보기 (430) 썸네일형 리스트형 CG - 14. Global illuminations(Ray Tracing) 1. Ray Tracing - 카메라에서 모든 frame buffer에 있는 image의 pixel에 빛을 쏴서 닿는 곳에서 색을 계산하는 것이다. - 광원의 직접적인 빛뿐만 아니라 모든 물체들간에 반사되는 빛을 고려하여 simulating하는 방법이다. - 훨씬 사실적인 묘사가 가능하다. - relection(반사), refraction (투명한 물체를 통과하면서 보이는 효과), 그림자, scattring(산란) 등 다양한 optical effect를 구현할 수 있다. - 빛이 반사가 되어 다른 표면에 밝게 초점이 맺히는 caustic 현상도 구현할 수 있다. - 반사되어 색이 물드는 color bleeding도 잘 반영된다. 2. Idea - Forward Mapping은 자연 현상에서 물체를 보는 .. CG - 13. Global illuminations(Radiosity) 1. Global Illumination - 이제까지 공부한 illumination은 local illumination이였다. 오직 surface point에 도달하는 light source의 direct한 빛만 고려하는 illumination이였다. - 모든 suface point에서 각각 광원에서 오는 빛을 계산하면 되기 때문에 병렬처리로 아주 빠른 속도로 구현이 가능했다. - global illumination은 광원의 direct light뿐만 아니라 다른 물체로부터 반사되서 들어오는 indirect한 빛까지 고려하는 illumination 방법이다. - 더 사실적인 묘사가 가능하다. 단 rendering 시간이 매우 많이 걸린다. - global illumination의 가장 대표적인 두가지 방.. AI - 10. Perceptron 1. 신경망 - 최근 인기를 끌고 있는 딥러닝의 시작은 인공 신경망의 연구였다. - 방대한 데이터 수집의 어려움과 하드웨어의 한계를 극복하면서 신경망 구현이 가능해졌다. - 인공신경망은 생물학적 신경망의 형태에서 영감을 받아 고안되었다. - 뉴런의 돌기에서 입력을 받으면 핵에서 신호를 처리하고 결과신호를 보내준다. - 컴퓨터는 학습이 불가능하기 때문에 기존의 컴퓨터의 구조를 인간의 두뇌와 비슷하게 발전시키려는 노력에서 시작되었다. - 이렇게 만들어진 신경망은 학습이 가능하다는 장점이 있다. 굳이 문제 상황을 정의하여 프로그램을 만들지 않아도 데이터만 있으면 학습이 가능하다. - 또한 기존 컴퓨터와 달리 소자 몇개가 오작동을 일으키더라도 큰 문제가 발생하지 않는다. 오류가 있어도 신뢰할만한 결과를 제시할 .. DB - 14. E-R Model, RDB로 변환하기 2 1. 변환 규칙 복습 2. 일대다 relationship 변환 - relation을 table로 변환하는 예시 - relation을 table로 변환하지 않고 extra attribute를 추가하는 예시 3. 일대일 relationship 변환 - 일대일 관계를 변환한 예제이다. - 만약 별도 테이블을 만들지 않는다고 하면 아래처럼 할 수 있다. - 두가지 스키마가 가능하지만 도서가 더 많은 상황이라면 과목에 속성을 추가하는 것이 더 나을 수 있다. 왜냐하면 도서에 과목번호 속성이 추가되면 null이 들어가는 레코드가 많아질 수 있기 때문이다. - 반대로 과목에 속성을 추가하는 경우는 total participation이기 때문에 null이 들어갈 일이 없다. 4. Unary relationship 변환.. DB - 13. E-R Model 4 1. Design issues case 1. - er modeling을 할 때 생길 수 있는 애매한 상황들을 알아보자. - stud_dept가 정의되어 있는데 굳이 student에 dept_name이 속성으로 들어가 중복을 야기한다. case 2. - 학생이 수업에서 낸 과제를 채점할 수 있는 구조를 나타내고 있다. - 그런데 이 구조에서는 학생의 수업당 딱 한개의 과제만 채점이 가능하다. - 현실세계를 더 잘 반영할 수 있도록 해보자. - 이렇게 고치면 assignment는 section에 의존하는 weak entity이고 학생이 특정 section의 여러 과제들을 marks_in하도록 되어있다. - 이 방법에서는 다중값 속성으로 특정학생이 특정 수업을 들을때 여러개의 assignment와 각각의 ma.. DB - 12. E-R Model, RDB로 변환하기 1. 최종 점검 - 이제 필요한건 다 배웠으니 전체 ER Diagram을 살펴보자. - entitiy set는 모두 7개, relationship diamond는 총 10개가 있다. - weak entity 1개와 identifying relationship도 1개가 보인다. - course entity는 unary로 선수, 후수 과목 관계가 잘 나타나있다. - 겹선으로 나타낸 total participation을 보면 학생은 반드시 과가 정해져있어야하는 등의 제약들이 잘 반영되었다. 2. Redcution to Relation Schemas - 위의 ER Model로 RDB를 만들면 아래처럼 된다. - 일반적으로 entity set, relation이 하나의 table이 된다. 그 안의 속성들이 col.. CG - 12. Buffer, Blending 1. buffer - 이미지를 저장하는 공간 - m * n 이 이미지의 resolution이 되고 k가 각 픽셀이 색을 얼마나 깊게 표현하느냐를 나타낸다. - 한 픽셀당 24(k)비트의 depth를 가지면 rgb가 된다. - 가장일반적인 rgba는 32비트의 depth를 가진다. - k가 1이면 black & white, k = 8이면 gray scale이미지이다. color buffer - double buffering에 사용하는 front, back buffer - 보조 역할을 하는 auxiliary buffer - stereo 이미지를 출력하는 stereo buffer (왼쪽 눈을 위한 버퍼 따로 오른쪽 눈을 위한 버퍼 따로) Depth buffer(z-buffer) - 깊이 정보를 저자하는 버퍼 .. AI - 9. kNN, Gaussian Mixture 1. kNN Algorithm - 기계학습 알고리즘 중에 가장 간단하고 이해하기 쉬운 알고리즘이다. - 두개의 클래스로 구성된 데이터가 위처럼 나타나 있다고하자. - knn이 어떻게 이 두 군집을 분류하는지 알아보자. - 새로운 input으로 별이 위에 처럼 표시되었다고 하자. - 별을 중심으로 k=3이 되는 원을 그린다는건 원 안에 3개의 데이터가 있도록 그린다는 것이다. - 마찬가지로 별을 중심으로 k=5가 되는 원을 그린다는건 원 안에 5개의 데이터가 있도록 그린다는 것이다. - k가 3인 knn모델의 경우는 원 안에 초록 원이 더 많으니 별표를 원이라고 인식한다. - 하지만 k가 5라면 별표를 파랑 네모라고 인식하게 된다. - k가 증가함에 따라 분류결과가 달라지는 것이다. - 참고로 일반적으로 .. 이전 1 ··· 33 34 35 36 37 38 39 ··· 54 다음
