Stylizace vzhledu 3D modelů dle předlohy s využitím GPU

Abstract

Cílem stylizace vzhledu na základě ručně kreslené předlohy je co nejvěrnější reprodukce stylu umělce. Aplikováním stylizace lze ušetřit čas a námahu umělci díky eliminaci repetitivní práce, např. při tvorbě animací. Současné přístupy k stylizaci nedokáží zachovat všechny detaily uměleckého díla. Častým problémem jsou nedostatečné informace popisující vstupní data a algoritmy vytvářející viditelné artefakty. Cílem této práce je vytvořit alternativu moderního referenčního přístupu, který se zabývá řešením těchto problémů. Naše metoda je vhodná pro paralelní implementaci na grafickém akcelerátoru. Informace popisující vstupní data zobrazují různé části osvětlení modelové scény, čímž je umožněno přesnější zachování stylu. Algoritmus syntézy využívá minimalizování energie textury s termem energie rozšířeným o váhy pixelů pocházející z mapy výskytů za účelem dosáhnout rovnoměrného využití okolí pixelů z předlohy. Referenční implementace je porovnatelná s moderní referenční metodou zatímco doba výpočtu je řádově kratší. V závěrečné části jsou předvedena další vylepšení referenční GPU implementace. Důraz je kladen na zvýšení výkonu bez viditelnějších dopadů na výsledky.

The aim of stylization by example is to faithfully reproduce artist's style. Application of the stylization saves a lot of time and effort by eliminating repeated work, e.g., when creating animations. Most of the current approaches are unable to preserve all the details provided by the artist due to insufficient guidance or algorithms producing visible artifacts. The goal of this thesis is to create an alternative to a reference state-of-the-art approach that alleviates these problems. Our approach is suitable for GPU parallelization. It is guided by illumination decomposed to multiple 3D renderings of the same scene that enable detailed preservation of the style. The synthesis algorithm utilizes texture energy minimization with an extended energy term that includes pixel weights from the occurrence map to encourage uniform distribution of patch assignments. A reference GPU implementation of our method is described in detail. Results of the implementation are of a quality comparable to those of the reference state-of-the-art method while the performance is in orders-of-magnitude faster. Finally, additional improvements to the reference GPU implementation are proposed that further increase the performance of the reference GPU method without visible impact on quality of the results.