Conceitos de Computação Gráfica e Realidade Virtual

Iluminação e Sombreamento

Transparência: É como fica o ambiente após a passagem da luz por determinado material.

Sombreamento: Obscurecimento de superfícies em função de sua posição em relação à luz.

Regiões das Sombras

• Região da Sombra: Onde a intensidade luminosa devido a uma certa fonte é nula.
• Região de Penumbra: Onde a intensidade luminosa varia de zero até a intensidade de luz do ambiente.

Técnicas de Renderização

Ray Tracing: Possibilita a representação de cenas complexas com muitos objetos e muitos efeitos.

Radiosidade: Técnica adicional cujo resultado são imagens caracterizadas por sombras suaves e graduais.

Modelagem e Texturas

2.5D: É chamado de pseudo-3D, é um termo usado para descrever fenômenos visuais que aparentam ser tridimensionais, mas não são, talvez pelo fato de não serem construídas por entidades tridimensionais, como casos de gráficos ou por não terem movimentos completamente 3D.

Aplicação 2.5D: Utilizado em cenas 3D que foram elaboradas completa ou parcialmente de um grupo de imagens bidimensionais.

Texturas: Os modelos de iluminação não são apropriados para descrever todas as propriedades da superfície de um objeto.

Zbrush: Funciona de forma intuitiva. A principal diferença entre o Zbrush e outros softwares de modelagem tradicional é a geração de modelos semelhantes a esculturas.

Renderizadores: Renderman, Mental Ray, VRay, Brazil e Maxwell.

Realidade Virtual

Tipos de Realidade Virtual

• Aumentada: É quando inserções digitais, normalmente de natureza visual e sonora, são feitas no mundo real e exibidas por meio de telas. Ex: Pokemon GO, Google Glass.
• Mista: O elemento virtual é inserido, em três dimensões, no ambiente real e pode ser visualizado por meio de óculos computadorizados. Ex: Hologramas

Caracterização da Realidade Virtual

• Imersão: Ligada à sensação de fazer parte do ambiente.
• Interação: Ligada à capacidade do computador em detectar as entradas do usuário e modificar instantaneamente o mundo virtual em função das ações efetuadas.
• Interativa: Proporciona uma exploração do ambiente dirigida pelo usuário.
• Passiva: Proporciona ao usuário uma exploração do ambiente automática e sem interferência.
• Exploratória: Proporciona uma exploração do ambiente dirigida pelo usuário, que pode escolher a rota e os pontos de observação.

Deep Learning e Machine Learning

Deep Learning: É uma subcategoria de aprendizado de máquina que diz respeito a oportunidades de aprendizagem profundas com o uso de redes neurais para melhorar as coisas. Ex: Reconhecimento de fala, visão computacional e processamento de linguagem natural.

Aplicações de Deep Learning: Geração de sons para filmes mudos, aumentar resolução de imagens, gerar textos automáticos, fazer diagnósticos médicos, dirigir carros automatizados e etc.

Machine Learning: Ele é muito utilizado para solução de tarefas que são muito complexas para os seres humanos. Ex: Reconhecimento de padrões, previsões de preços e detecção de anomalias.

Tipos de Aprendizado Profundo

• Aprendizado Supervisionado: A rede recebe os exemplos de dados de entrada e as respectivas saídas, e aprende uma função que mapeia esses dados.
• Aprendizado Não Supervisionado: Nesta forma de aprendizagem não existe professor, a rede precisa descobrir sozinha padrões nos dados que lhe vão sendo apresentados e codificados nas saídas.
• Aprendizado por Reforço: O agente aprende com a interação com o ambiente recebendo recompensas negativas ou positivas, de acordo com as ações tomadas.