Dette kursus handler om metoder til at syntetisere digitalt visuelt indhold i form af billeder, 3D-modeller, partikelsystemer og dynamiske fænomener. Mange af disse metoder er inspireret af fysiske eller biologiske fænomener; nogle er rent algoritmiske og andre er datadrevne. Kurset dækker de underliggende modeller, matematiske fundamenter og de praktiske implementeringer. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• generere punktfordelinger.
• benytte partikler til at simulere ensembler.
• generere syntetiske billeder og teksturer med f.eks. metoder baseret på maskinlæring.
• generere fraktale billeder og 3D modeller.
• syntetisere 3D objekter med grammatikbaserede metoder såsom L-systemer.
• bruge syntetiske støjfunktioner i forbindelse med generative metoder.
• skabe implicitte 3D modeller med f.eks. afstandsfalter.
• anvende bio-inspirerede metoder som differentiel vækst til formgenerering.
• forklare og diskutere underliggende principper for generative metoder.

- Generering af punktfordelinger med f.eks. jittering og Poisson disk metoden
- Partikelsystemer til simulering af væske, granulære materialer og sværme.
- pixel og patch baseret billedsyntese med kildepatch sampling, bølgefunktionskollaps og læringsbaserede metoder.
- Fraktaler og generering af selvlignende strukturer i billeder og 3D-former.
- Grammatikbaserede metoder og L-systemer til digital botanik og andre typer 3D-indhold.
- Støjgenerering i nD og specifikke typer støj såsom Perlin-støj, Worley-støj, curl-støj og phasor-støj.
-Syntese af 3D-former ved hjælp af implicitte repræsentationer såsom afstandsfelter og dyb læring af 3D-former ved hjælp af implicitte repræsentationer.
- Biologisk informerede metoder: Turing-mønstre, cellulære automater, differentialvækst og evolutionære metoder til formfinding. Kursuslitteraturen består af akademiske artikler og noter. Øvelserne vil mestendels bestå af programmering i Python, brug af Blender til at skabe indhold, og shader-programmering ved hjælp af GLSL. 02. maj, 2024