Los investigadores de la Universidad Carnegie Mellon han desarrollado una nueva forma eficiente de analizar rápidamente modelos geométricos complejos al tomar prestado un enfoque computacional que ha hecho posible las películas animadas fotorrealistas.
Las rápidas mejoras en la tecnología de sensores han generado grandes cantidades de nueva información geométrica, desde escaneos de sitios arquitectónicos antiguos hasta los órganos internos de los humanos. Pero analizando esa montaña de datos, ya sea determinar si un edificio es estructuralmente sólido o cómo fluye el oxígenolos pulmones, se ha convertido en un punto de estrangulamiento computacional.
"Los datos se han convertido en un monstruo", dijo Keenan Crane, profesor asistente de ciencias de la computación y robótica. "De repente, tiene más datos de los que puede analizar, o incluso preocuparse".
Crane y Rohan Sawhney, un estudiante de doctorado en el Departamento de Ciencias de la Computación, están domesticando al monstruo utilizando los llamados métodos de Monte Carlo para simular cómo las partículas, el calor y otras cosas se mueven a través o dentro de una forma compleja. El procesoelimina la necesidad de dividir minuciosamente las formas en mallas, colecciones de pequeños elementos geométricos que pueden analizarse computacionalmente. Los investigadores presentarán su método en la Conferencia SIGGRAPH 2020 sobre gráficos por computadora y técnicas interactivas, que se realizará virtualmente en julio.
"Construir mallas es un campo minado de posibles errores", dijo Sawhney, el autor principal. "Si solo un elemento está distorsionado, puede deshacerse del cómputo completo. Eliminar la necesidad de mallas es bastante grande para muchas industrias."
La malla también fue un problema difícil para los cineastas que intentaban crear animaciones fotorrealistas en la década de 1990. No solo la malla era laboriosa y lenta, sino que los resultados no parecían naturales. Su solución fue agregar aleatoriedad al proceso simulando rayos de luz quepodría rebotar alrededor de una escena. El resultado fue una iluminación bellamente realista, en lugar de superficies planas y sombras en bloques.
Del mismo modo, Crane y Sawhney han adoptado la aleatoriedad en el análisis geométrico. No rebotan los rayos de luz a través de las estructuras, pero están utilizando los métodos de Monte Carlo para imaginar cómo las partículas, fluidos o calor interactúan aleatoriamente y se mueven a través del espacio. Primero desarrollado en el1940 y 1950 para el programa de armas nucleares de EE. UU., Los métodos de Monte Carlo son una clase de algoritmos que utilizan la aleatoriedad de forma ordenada para producir resultados numéricos.
El trabajo de Crane y Sawhney revive un algoritmo de "caminar sobre las esferas" poco usado que permite simular el largo y aleatorio recorrido de una partícula a través de un espacio sin determinar cada giro y vuelta. En cambio, calculan el tamaño del espacio vacío más grandealrededor de la partícula en el pulmón, por ejemplo, que sería del ancho de un tubo bronquial y hacer que el diámetro de cada esfera. El programa puede simplemente saltar de un punto aleatorio en cada esfera al siguiente para simularla caminata aleatoria
Si bien puede llevar un día construir una malla de un espacio geométrico, el enfoque CMU permite a los usuarios obtener una vista previa aproximada de la solución en solo unos segundos. Esta vista previa se puede refinar haciendo más y más caminatas aleatorias.
"Eso significa que uno no tiene que quedarse sentado, esperando que el análisis se complete para obtener la respuesta final", dijo Sawhney. "En cambio, el análisis es incremental, proporcionando a los ingenieros retroalimentación inmediata. Esto se traduce en más tiempohaciendo y menos tiempo golpeándose la cabeza contra la pared tratando de entender por qué el análisis no está funcionando "
Sawhney y Crane están trabajando con socios de la industria para expandir los tipos de problemas que se pueden resolver con sus métodos. La National Science Foundation, Packard Fellowship, Sloan Foundation, Autodesk, Adobe, Disney y Facebook brindaron apoyo para este trabajo.
Fuente de la historia :
Materiales proporcionado por Universidad Carnegie Mellon . Original escrito por Byron Spice. Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :