ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Introduction to Visual Effects. A Computational Approach

دانلود کتاب مقدمه ای بر جلوه های بصری. یک رویکرد محاسباتی

Introduction to Visual Effects. A Computational Approach

مشخصات کتاب

Introduction to Visual Effects. A Computational Approach

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781032072302, 9781003206026 
ناشر: CRC Press 
سال نشر: 2023 
تعداد صفحات: [243] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 32 Mb 

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Introduction to Visual Effects. A Computational Approach به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مقدمه ای بر جلوه های بصری. یک رویکرد محاسباتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

Cover
Half Title
Title Page
Copyright Page
Dedication
Contents
Preface
Introduction
CHAPTER 1: Introduction
	1.1. CAMERA CALIBRATION
	1.2. HISTORICAL OVERVIEW OF TRACKING
	1.3. GLOBAL ILLUMINATION
	1.4. IMAGE-BASED LIGHTING
	1.5. MATHEMATICAL NOTATIONS
	1.6. PROJECTIVE GEOMETRY CONCEPTS
		1.6.1. Projective Space
		1.6.2. Projective Transforms
		1.6.3. Projective Geometry on This Book
		1.6.4. Parallelism and Ideal Points
	1.7. ABOUT THE CODE
CHAPTER 2: Virtual Camera
	2.1. BASIC MODEL
		2.1.1. Camera in the Origin
		2.1.2. Camera in Generic Position
		2.1.3. Digital Camera
		2.1.4. Intrinsic Parameters
		2.1.5. Dimension of the Space of Virtual Cameras
	2.2. CAMERA FOR IMAGE SYNTHESIS
		2.2.1. Terminologies
		2.2.2. Clipping and Visibility
	2.3. TRANSFORMATION OF VISUALIZATION
		2.3.1. Positioning the Camera
		2.3.2. Transformation of Normalization
		2.3.3. Perspective Projection
		2.3.4. Device Coordinates
	2.4. COMPARISON WITH THE BASIC MODEL
		2.4.1. Intrinsic Parameters
		2.4.2. Dimension
		2.4.3. Advantages over the Basic Model
	2.5. CAMERA FOR PATH TRACING
	2.6. VISIBILITY AND RAY CASTING
	2.7. CAMERAS FOR CALIBRATION
		2.7.1. Projective Model
		2.7.2. Projective Notation for Cameras
		2.7.3. Generic Projective Camera
	2.8. MAPPING A CALIBRATED CAMERA INTO THE S3D LIBRARY
		2.8.1. Specification of Extrinsic Parameters
		2.8.2. Specification of Intrinsic Parameters
	2.9. API
		2.9.1. MatchMove Software Functions
		2.9.2. Render Software Functions
	2.10. CODE
		2.10.1. Code in the MatchMove Software
		2.10.2. Code in the Render Software
CHAPTER 3: Optimization Tools
	3.1. MINIMIZE A FUNCTION DEFINED ON AN INTERVAL
	3.2. LEAST SQUARES
	3.3. NON-LINEAR LEAST SQUARES
		3.3.1. Gauss-Newton Method
		3.3.2. Levenberg-Marquardt Algorithm
	3.4. MINIMIZE THE NORM OF A LINEAR FUNCTION OVER A SPHERE
	3.5. TWO STAGES OPTIMIZATION
	3.6. ROBUST MODEL ESTIMATION
		3.6.1. RANSAC Algorithm
		3.6.2. Example of Using the RANSAC Algorithm
CHAPTER 4: Estimating One Camera
	4.1. CALIBRATION IN RELATION TO A SET OF 3D POINTS
		4.1.1. Calibration Using Six Matches
		4.1.2. Calibration Using More Than Six Matches
	4.2. NORMALIZATION OF THE POINTS
	4.3. ISOLATION OF CAMERA PARAMETERS
	4.4. CAMERA FOR IMAGE SYNTHESIS
	4.5. CALIBRATION BY RESTRICTED OPTIMIZATION
		4.5.1. Adjusting the Levenberg-Marquardt to the Problem
		4.5.2. Parameterization of Rotations
		4.5.3. Parameterization of the Camera Space
	4.6. PROBLEM POINTS OF PARAMETERIZATION
	4.7. FINDING THE INTRINSIC PARAMETERS
	4.8. CALIBRATION USING A PLANAR PATTERN
	4.9. API
	4.10. CODE
	4.11. SINGLE CAMERA CALIBRATION PROGRAM
	4.12. SIX POINTS SINGLE CAMERA CALIBRATION PROGRAM
CHAPTER 5: Estimating Two Cameras
	5.1. REPRESENTATION OF RELATIVE POSITIONING
	5.2. RIGID MOVEMENT
	5.3. OTHER PROJECTIVE MODEL
	5.4. EPIPOLAR GEOMETRY
		5.4.1. Essential Matrix
	5.5. FUNDAMENTAL MATRIX
	5.6. THE 8-POINTS ALGORITHM
		5.6.1. Calculation of F
		5.6.2. Using More Than 8 Points
		5.6.3. Calculation of F
	5.7. NORMALIZED 8-POINTS ALGORITHM
	5.8. FINDING THE EXTRINSIC PARAMETERS
		5.8.1. Adding Clipping to the Model
		5.8.2. Three-Dimensional Reconstruction
	5.9. API
	5.10. CODE
CHAPTER 6: Feature Tracking
	6.1. DEFINITIONS
	6.2. KANADE-LUCAS-TOMASI ALGORITHM
	6.3. FOLLOWING WINDOWS
	6.4. CHOOSING THE WINDOWS
	6.5. DISPOSAL OF WINDOWS
	6.6. PROBLEMS USING KLT
	6.7. CODE
CHAPTER 7: Estimating Many Cameras
	7.1. DEFINITIONS
	7.2. CALIBRATING IN PAIRS
	7.3. CALIBRATION IN THREE STEPS
	7.4. THREE-STEP CALIBRATION PROBLEMS
	7.5. MAKING THE CALIBRATION OF SMALL SEQUENCES ROBUST
		7.5.1. Solution to the Problem of Step 1
		7.5.2. Solution to the Problem of Step 2
		7.5.3. Solution to the Problem in Step 3
	7.6. CHOICE OF BASE COLUMNS
	7.7. BUNDLE ADJUSTMENT
	7.8. REPRESENTATION OF A CONFIGURATION
	7.9. REFINEMENT CYCLES
	7.10. EXAMPLE
	7.11. DECOMPOSITION OF THE VIDEO INTO FRAGMENTS
	7.12. JUNCTION OF FRAGMENTS
		7.12.1. Alignment of Fragments
		7.12.2. Compatibility of Scales
		7.12.3. Robust Scale Compatibility
	7.13. OFF-LINE AUGMENTED REALITY
	7.14. GLOBAL OPTIMIZATION BY RELAXATION
	7.15. CODE MODULES
		7.15.1. Bundle Adjustment API
		7.15.2. Bundle Adjustment Code
		7.15.3. RANSAC API
		7.15.4. RANSAC Code
		7.15.5. Features List API
		7.15.6. Features List Code
		7.15.7. Sequence of Frames API
		7.15.8. Sequence of Frames Code
		7.15.9. Relaxation API
		7.15.10. Relaxation Code
	7.16. MATCHMOVE PROGRAM
	7.17. RELAXATION PROGRAM
CHAPTER 8: Modeling Tools
	8.1. API
	8.2. CODE
	8.3. POINT CLOUD DEFINER PROGRAM
	8.4. POINT CLOUD CALIB PROGRAM
CHAPTER 9: Light Transport and Monte Carlo
	9.1. RADIANCE
	9.2. THE INVARIANCE OF THE RADIANCE
	9.3. THE BRDF AND THE RENDERING EQUATION
	9.4. OTHER DEFINITION FOR THE RENDERING EQUATION
	9.5. EXAMPLES OF BRDF
		9.5.1. The perfect Lambertian Surface BRDF
		9.5.2. The Perfect Mirror BRDF
		9.5.3. The Modified Blinn-Phong’s BRDF
	9.6. NUMERICAL APPROXIMATION
	9.7. MONTE CARLO INTEGRATION METHOD
	9.8. PATH TRACING
	9.9. UNIFORM SAMPLING OVER A HEMISPHERE
	9.10. SPLITTING THE DIRECT AND INDIRECT ILLUMINATION
	9.11. POLYGONAL LUMINARIES
	9.12. CODE MODULES
		9.12.1. Path Tracing API
		9.12.2. Path Tracing Code
		9.12.3. Poly Light API
		9.12.4. Poly Light Code
	9.13. RENDERING PROGRAM
	9.14. RESULT
CHAPTER 10: Image-Based Lighting
	10.1. HDR PICTURES
	10.2. RECONSTRUCTING THE HDR RADIANCE MAP
	10.3. COLORED PICTURES
	10.4. RECOVERING AN HDR RADIANCE MAP
	10.5. THE PFM FILE FORMAT
	10.6. CONVERSIONS BETWEEN LDR AND HDR IMAGES
	10.7. FROM HDR PICTURES TO EQUIRECTANGULAR PROJECTIONS
	10.8. ORIENTING THE RADIANCE DOME
	10.9. RENDERING USING A RADIANCE MAP
	10.10. INTERACTION BETWEEN THE REAL AND VIRTUAL SCENES
		10.10.1. Modeling the BRDF of the Local Scene
		10.10.2. Differential Rendering
	10.11. CODE MODULES
		10.11.1. HDR Image API
		10.11.2. HDR Image Code
		10.11.3. Image-Based Light API
		10.11.4. Image-Based Light Code
		10.11.5. HDR Scene API
		10.11.6. HDR Scene Code
		10.11.7. Dome Path Tracing API
		10.11.8. Dome Path Tracing Code
	10.12. POLYSHADOW COLOR ADJUST PROGRAM
	10.13. VISUAL EFFECTS PROGRAM
	10.14. RESULTS
Bibliography
Index




نظرات کاربران