图形和视觉计算4（2021）200022远程CG教育专题在在线课程Masaru Ohkawaraa，Chu， Hideo Saitob， Issei Fujishiroba日本横滨庆应义塾大学信息与计算机科学中心，邮编223-8522b庆应义塾大学信息与计算机科学系，横滨223-8522，日本Ar ticlei n f o ab st ract文章历史记录：2020年12月31日收到2021年4月13日修订2021年4月14日接受2021年4月22日在线提供关键词：在线教材学习流行病时间云计算GPGPU路径跟踪考虑到视觉计算中图像感知/识别（计算机视觉，CV）和3D图像合成（计算机图形，CG）之间的相互依赖性，庆应义塾大学信息与计算机科学系于这些课程的一个显著特点是其新引入的编程任务，有两个具体目标：体验GPU计算和理解路径跟踪算法。目的是帮助学生容易地理解视觉计算的趋势，并生动地设想未来的CG领域。具体来说，给学生两种类型的任务该教材建立在GoogleColaboratory（一个基于云的开发环境）之上，独立于学生的硬件。由于明智的设计，学生可以毫不犹豫地用相对便宜的硬件，如笔记本电脑，平板电脑，甚至智能手机，只要他们有一个标准的校外网络环境的编程任务。第二学年（2020年）在这些课程中，这类练习对因COVID-19疫情而必须在线学习课程的学生尤其有价值。新课程与教材的效果从定量和定性的角度进行了实证证明© 2021作者（S）。由Elsevier Ltd.发布。这是一个CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）1. 介绍图像感测/识别（计算机视觉，CV）和3D图像合成（计算机图形，CG）已经变得越来越密切相关，并且这些领域通常被称为视觉计算作为通用术语。有鉴于此，庆应义塾大学信息与计算机科学系于2019学年将两门本科课程重组为这些课程的初衷是系统地涵盖基础到高级视觉计算主题。“Visual ComputingII” gives two programming assignments each focused on CV andCG编程作业有两个目标：体验GPU计算（GPU上的通用计算，GPGPU）和理解路径跟踪算法。在选定这些目标后，重新审视了可视化计算的技术背景和路线图。最后，我们决定给学生两种类型的任务：材料设计和分析采样与噪声之间的关系。∗通讯作者。电子邮件地址：masaru. fj.ics.keio.ac.jp（M.Ohkawara）。“视觉计算II”课程约为50名学生而设。这就是为什么必须组织编程环境。学生因此，我们试图通过在Google Colab上构建教育材料来处理多样性[1]。Colab是一个利用Google硬件功能的编程环境。Colab有三个显著的特点：零配置要求，免费访问GPU和轻松共享。也就是说，通过在Colab上构建教育材料，学生可以在标准网络环境中使用相对便宜的硬件（如笔记本电脑、平板电脑甚至智能手机）轻松体验GPU路径跟踪。于该等课程的第二学年（二零二零年），此类型的练习对因COVID-19疫情而须于网上修读课程的学生而言十分宝贵。本文的其余部分组织如下。 第二部分介绍了课程大纲。在第3节中，我们提供了有关教育材料和CG编程分配的详细信息。在第四节中，我们说明了教育材料系统的优点和缺点。在第5节中，我们解释了CG编程作业的内容第6节我们https://doi.org/10.1016/j.gvc.2021.2000222666-6294/© 2021作者。由Elsevier Ltd.发布。这是一个CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）可在ScienceDirect上获得目录列表图形与视觉计算期刊首页：www.elsevier.com/locate/gvcM. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000222表1. 课程大纲为“视觉计算IA/B，II。”星号和下划线分别表示主要与CG相关的讲座和介绍编程作业的讲座。请注意，每节课时长为90分钟有关更多细节，请参阅表A.1和A.2，每个表都列出了每个讲座的关键词视觉计算IA/B视觉计算II（IA01）定位-CV和CG技术（二01）着色基础-Phong着色和平滑/平滑着色（IA02）光栅图形架构和颜色模型（二02）通过光度分析（IA03）图像的亮度变换和空间滤波（二03）形状和特征点的检测（IA04）光栅化（二04）纹理合成与贴图（IA05）空间频率分析及其应用（二05）图像和模式识别（IA06）二维齐次坐标系、几何变换和（二06）全局照明-光线跟踪、光能传递和光子贴图（IA07）削波器几何变换及其应用（二07）动画片（IA08）期中考试（IA）（二08）图像序列处理与编码（IB01）自由曲线和曲面（二09）图像分割（IB02）实体造型.构造实体几何（CSG）和B-代表图（二10）CV编程（IB03）其他3D形状表示、3D几何变换和（二11）CG编程教程（IB04）四元数合成相机模型、查看和混合坐标系（二12）基于图像的建模与绘制（IB05）摄像机标定（二13）通过多视图图像进行（IB06）基于图像的3D传感（二14）计算机可视化导论（IB07）可见表面测定。遮挡剔除、Z缓冲区和射线（二15）期末考试铸坯（IB08）期中考试（IB）对课程和教材进行全面的定量和定性评价。请注意，定性评估包括对学生评论的评估。最后，在第七部分，我们总结了本文。2. 课程大纲庆应义塾大学信息与计算机科学系开设了第一门CV课程“视觉信息媒体工程学”（秋季学期，2学分），以及第一门CG课程“计算机图形学”（秋季学期，2学分），面向大三/大四学生。自2019学年以来，课程已经发生了重大变化，这些课程被重组为三门课程：A/B是指为想出国留学的学生提供的单独的四分之一学期课程。“视觉计算IA/B”课程也以“图形处理A/B”的名义向数学系3-/4年级的本科生开放。这三门课程的设计与GV-图形和可视化相媲美，这是2013年计算机科学课程知识体系中规定的18个知识领域之一，被称为计算机科学本科学位课程的最新课程指南[2]。课程大纲为“视觉计算IA/B”侧重于2D/3D处理的基本原理，而“视觉计算II”侧重于更高级的主题。CV和CG课程的数量在课程中是平衡的，因为几乎所有的CV和CG主题都是紧密联系在一起的，如图1所示。在信息和计算机科学系，包括CV和CG作业的实验课程在春季学期是必修的。这就是为什么两名助教被派往这些课程，而本文的第一作者是第一学年（2019年）的其中一名助教。庆应义塾大学大学院理工学研究科信息计算科学研究中心开设了大学本科4年级学生在进入研究生院之前也可以选修的CV高级课程“如果他们愿意的话，Fig. 1. CV和CG的关系几乎所有的CV和CG主题都是紧密联系在一起的。图二. 系统概述。教育材料系统建立在Colab之上，通过在云和本地机器之间创建渲染循环来工作。云渲染器根据从本地机器接收到的指针事件对场景进行采样，并将渲染后的图像以JSON格式发送回本地机器，并将其压缩为JPEG或PNG，并使用Base64进行编码。本地机器显示从云接收到的渲染图像，如果生成指针事件，则将其发回。学生可以在渲染循环中通过干预交互式体验GPU路径跟踪M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000223在1.5年的时间里，学生可以学习6门课程：1门实验课程和5门可视化计算课程。 2）。2019学年及2020学年修读“视觉计算IA/B，II”课程的实际学生人数请注意，数学系或其他系的注册人数用括号括起来。M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000224表2. 于2019学年及2020学年修读“视觉计算IA/B，II”课程的注册人数。请注意，数学系或其他系的注册人数用括号括起来。课程注册人数2019学年2020学年视觉计算IA九十（十八）八十四（二十二）视觉计算IB八十（十六）七十四（十五）视觉计算II65393. 指定设计CG编程作业有两个目标：体验GPU计算和理解路径跟踪算法。在本节中，我们将详细介绍选择这些主题的原因3.1. GPGPUGPGPU对视觉计算产生了巨大的影响在CV中，由于深度学习在GPU中变得更加实用，因此实现了高速和高精度的目标检测和高清晰度场景估计;而在CG中，GPGPU已应用于动画和渲染，并导致交互性大幅改善。GPGPU最有可能继续引领视觉计算创新。CV和CG编程作业旨在让学生分别体验深度学习（表1中的II10）和GPU路径跟踪（表1中的II11）。体验GPGPU，引发了视觉计算的创新，对所有计算机科学专业的学生都有好处。3.2.路径跟踪路径跟踪算法[3]最初于1986年提出，从那时起，已经提出了许多扩展方法。虽然路径跟踪需要很长的计算时间，直到噪声不能被看到，采样是随机无偏的，并且所得到的图像是相当逼真的。最重要的是，该算法可以比辐射度[4]，光子映射[5]和Metropolis光传输[6]更直观地理解。 这就是为什么电影行业中几乎所有的渲染器都采用路径跟踪作为其基本算法的原因。因此，我们通常看到的几乎所有真实感图形都是由路径跟踪生成的。2018年，NVIDIA发布了Geforce RTX系列GPU，并将实时光线追踪的创新带入游戏行业。在此之前，光栅化主要用于游戏图形，据说像路径跟踪这样计算成本高的算法不能用于游戏图形。然而，NVIDIA在其游戏图形路线图[7]中预计，到2035年，游戏行业的基本渲染算法将从光栅化转向路径跟踪。电影和游戏行业遵循不同的道路，因为所需的质量和互动性的差异。尽管有这样的历史，预测未来电影和游戏产业将在渲染方面融合。因此，人们期望理解路径跟踪有助于展望未来的CG领域。4. 教育材料在本节中，我们将说明教育材料系统，并讨论其优点和缺点。4.1. 系统概述教育材料系统建立在Colab上，通过在云和本地机器之间创建渲染循环来工作。学生可以在渲染循环中通过干预交互式体验GPU路径跟踪。首先，创建OpenGL上下文。然后，从HDRI Haven[8]下载环境地图以构建场景。接下来，创建渲染循环，并使用OpenGL执行GPU路径跟踪。云从本地计算机接收指针事件，渲染器基于它们对场景进行采样。渲染后的图像被压缩成JPEG或PNG格式，并使用Base64进行编码。最后，它将以JSON格式发送回本地计算机。本地机器显示渲染的图像，如果生成指针事件，则将其发送回云。如果接收到指针事件，则渲染器在移动虚拟相机之后从开始处重新采样场景;否则，渲染器继续对场景进行采样。指针事件和摄像机运动之间的对应关系如图所示。3.第三章。我们简要描述了云计算的渲染流程。首先，定义一个充当画布的四边形多边形。这个多边形通过光栅化器从顶点着色器到片段着色器，并使用纹理映射进行着色。纹理是通过使用计算着色器进行路径跟踪生成的。计算着色器是为GPGPU安排的，可以模拟光的传输，如路径跟踪。学生可以按照图4所示的说明使用教材。所有元素都被打包到一个notebook文件中，并且可以按顺序执行4.2.优势和劣势我们的教材与竞争对手的教材进行了比较，这些教材可以分为原生解决方案和Web解决方案，如表3所示。原生解决方案提供原生应用程序，这些应用程序需要复杂的配置，因此需要复杂的快速引入。Web解决方案提供了Web应用程序，这些应用程序将高负载放在本地机器GPU上并限制操作环境。相比之下，我们的教育材料可归类为云原生解决方案，其利用云计算能力。下面介绍两个显著的优点和缺点。第一个优势是教育材料齐全在Web浏览器中。这直接源于Co的强度图三. 摄像机控制学生可以使用鼠标、笔/手写笔、手指等定点设备来控制摄像机。旋转、平移和推拉分别分配给鼠标的左拖动、右拖动和滚动。在其他类型的输入设备上拖动时还可以指定旋转，但平移和推拉仅支持鼠标。请注意，推拉和缩放都用于控制摄像机以获得放大效果，但缩放可能会导致基于图像的照明中的视觉失真，因此判断推拉在这里首选缩放M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000225见图4。教材的图解说明。学生可以按照此说明使用教材。所有元素都被打包到一个notebook文件中，并且可以按顺序执行。请注意，此图中的片段和图像是从实际的笔记本文件中截取的，该文件可在以下链接（https://msrohkwr.github.io/experiencing-gpu-path-tracing-in-online-courses/）。表3. 我们的教材和竞争对手的教材比较。竞争的教育材料可以分为原生解决方案和Web解决方案，而我们的可以归类为云原生解决方案。我们的可以在各种硬件上快速使用，无需配置，并且不会对本地机器造成高负载，因为利用了云计算能力原生解决方案Web解决方案云原生解决方案代表性实例：代表性实例：• 一周的光线追踪[10]• ShaderLabFramework[11]• [第12话]• [13]第十三话• 我们优点和缺点：优点和缺点：优点和缺点：+GPU加速的快速渲染[11]+独立[10，11]— 需要复杂的配置[10，11]— 取决于OpenGL版本和几个库[10，11]— CPU上的渲染速度太慢（无法体验GPGPU）[10]— 本地机器负载高[10，11]+GPU加速的快速渲染[12，13]+需要零配置[12，13]— 取决于WebGL 2（在许多情况无法在平板电脑和智能手机上运行）[12]— 本地机器上的高GPU负载（渲染时对浏览器操作产生负面影响）[12，13]+GPU加速快速渲染+需要零配置+较少依赖+本地机器负载低+可以尝试计算着色器，它还没有作为稳定版本在WebGL— 所需网络环境— 本地机器与云实验室：在撰写本文时，教育材料的可操作性已通过Chrome88.0.4324.182版和Firefox 85.0.2版确认。此外，开始使用教育材料不需要任何配置。因此，它可以快速引入和易于使用。第二个优势是不需要高性能的机器。在Web浏览器上执行GPU路径跟踪的另一种方法是使用WebGL。但是，WebGL使用本地机器上配备的GPU因此，性能要求将增加。相比之下，该系统使用云中的GPU，负载仅限于下载/显示渲染图像和上传指针事件。因此，性能要求仍然较低，并且该系统适用于许多类型的笔记本电脑，平板电脑甚至智能手机。然而，第一个弱点是网络环境至关重要。Colab有一个本地运行时模式，如果切换到该模式，即使没有网络环境，系统也可以使用。然而，这并不能让我们利用教育材料，因为环境建设和高性能的机器是必需的。幸运的是，这并不重要，因为随着远程办公和在线教育在COVID- 19大流行期间受到更多关注，预计拥有标准网络环境的家庭数量有所增加。第二个缺点是通信延迟。由于渲染循环是在云和本地计算机之间创建的，通信延迟是不可避免的。然而，像游戏中所需的交互性在教育材料中被给予较低的优先级。这就是通信延迟在允许范围内的原因。5. 内容在本节中，我们将解释CG编程作业的内容。为了介绍作业，我们安排了辅导讲座（表1中的II11）。我们在下面的部分介绍CG编程教程的内容，然后，我们描述CG编程作业的内容5.1. 教程本教程涵盖了从OpenGL的基础知识到一系列的路径跟踪工具。90分钟的辅导讲座介绍了这一内容。表4总结了CG编程教程的内容.本教程首先与所有学生一起执行教育材料，然后以动手的方式让学生在听讲座的同时进行操作。学生可以通过第一次演示教材生成图55.2.编程作业学生被分配两种类型的任务：材料设计和分析采样与噪声之间的关系的最后期限M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000226、.n−n=.= +−−表4. CG编程教程的内容。本教程涵盖了OpenGL的基础知识到一系列的路径跟踪流程。90分钟的辅导讲座介绍了这一内容。主题描述OpenGL基础介绍了利用顶点着色器和片段着色器从矢量数据绘制图像的方法。 此外，本发明还提供了一种方法，用计算着色器描述了用于模拟路径跟踪的机制GPGPU路径跟踪算法描述了绘制方程和数值求解方法之一的路径跟踪算法。伪程序对路径跟踪仿真也作了介绍。光线投射作为路径跟踪的第一步，将解释从虚拟相机向虚拟屏幕投射光线的机制。它为了简单起见，假设虚拟相机是基于针孔相机模型射线与球体相交如何检测跟踪射线是否与球体相交，如果检测到相交，如何获得交点都有解释。漫射面引入表面材料来决定光线相交后路径的方向。作为示例，描述了漫射表面材料。色调映射在教育材料中，因为高动态范围图像被用作环境映射，所以渲染图像具有动态范围也很大。因此，在显示渲染图像的同时需要映射到标准动态范围图像。然后，介绍了色调映射方法之一[14]，并说明了其效果基于图像的照明描述了使用环境地图的照明技术之一的基于图像的照明。图五. 通过第一次执行教育材料生成的图像。学生可以很容易地开始工作的编程任务，因为没有配置是需要得到这个图像。提交报告的时间是教程结束后的1个月。在此期间，学生主要在家里完成编程作业。5.2.1.材料设计在这个作业中，学生设计两种表面材料：镜面材料和玻璃表面材料。镜面材料镜像反射可以由下式表示R=2||我||cosθN−I，（1）其中R、I、θ和N分别表示反射矢量、入射矢量、入射角和法向矢量。因为Eq. (1)已经介绍了在一个标准的讲座（表1中的II01），所有的学生做的是实现方程。(1)在教育材料中。如果实现正确，学生可以得到图6（a）玻璃表面材料折射率可以用公式表示：T=nI+。n||cos θ −||cosθ−1-n2（1-（||cos θ）2）<$N ，（2）||cosθ)2)ΣN,(2)其中T、n、I、θ和N分别表示透射矢量、相对折射率、入射矢量、入射角和法向矢量。反射和折射在玻璃表面同时发生。这种现象遵循菲涅耳方程。设计玻璃表面材料时，必须考虑这种现象。在CG中，镜面反射系数R可以近似为：R R0（1R0）（1 cosθ）第二条第（三）项R 012n1+n 2其中θ表示入射角。n1和n2是两种介质在界面处的折射率。R0是平行于表面法线的入射光的反射系数。Schlink近似（Eq. (3)）在教材中默认实现，学生可以调用返回镜面反射系数R值的函数。 因此，所有的学生做的是执行Eq。（2）在该教育实习生中─见图6。通过设计镜面材料（a）和玻璃表面材料（b）得到的图像。学生们可以从图中确认相当大的外观变化。 5至（a）和（b）。特别地，在（b）中，还观察到焦散，全局照明效果之一5M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000227图第七章每个像素的 采样数不同的渲染图像。可以确认，随着每像素的样本数量增加，噪声降低见图8。以每个像素的样本数绘制噪声的图表示例。里亚尔.如果实施正确，学生可以得到图6（b）5.2.2.采样和噪声在这份作业中，学生分析取样与杂讯之间的关系。教育材料支持控制每个像素的样本数。也就是说，学生可以得到几个图像，其每个像素的样本数是不同的，如图7所示。其次，学生必须定量地评估采样和噪声之间的关系。为了量化噪声，向学生介绍了均方根误差。通过对场景进行采样直到噪声不可见来生成参考图像。然后，学生可以通过将噪声以数字的形式绘制出来，得到近似曲线及其系数如图8所示。学生必须将实验系数与理想系数进行比较，并分析和研究消除噪声（CV侧）或更有效采样（CG侧）的方法。此外，还讨论了JPEG或PNG6. 评价从定量和定性的角度对整个课程和教材进行评价6.1. 定量评价介绍了基于教师发展课堂问卷的课程水平和讲课节奏的评价以及基于成绩的作业水平6.1.1.课程水平和授课节奏图12显示了2017学年至2020学年关于视觉计算课程和“算法I”的教师发展课程问卷调查的结果我们选择了基础算法这门必修课作为参考，因为这门课是由同一位教师讲授的。请注意，2017学年和2018学年平均课程，“视觉信息媒体工程”和“计算机图形学”。因为“算法I”只处理基础的top-ics，课程水平和讲座节奏是一致的，通过2017学年到2020学年。然而，视觉计算课程的水平在2017学年至2019学年变得很高。原因是视觉计算课程也涉及高级主题。也就是说，视觉计算机所覆盖的区域-课程逐年扩大。然而，加强讲座和作业之间的合作，导致2020学年的课程水平适当。自“可视化计算IA/B，II”创建以来，可视化计算课程的授课速度也不断提高6.1.2.Assignment等级学生的理解是根据编程作业分数来评估的。镜面设计、玻璃表 面 设 计 和 采 样 与 噪 声 之 间 关 系 的 分 析 分 别 称 为assignment_1 、 assignment_2 和 assignment_3 。 此 外 ，assignment_1和assignment_2按7分制（0：最小值-6：最大值）评定，assignment_3按9分制（最小值：0-最大值：8）评定。请注意，assignment_1和assignment_2是根据错误的程度评分的，而assignment_3是根据讨论的深度评分的。图9为2019学年和2020学年学生分别有35名及34名学生于2019学年及2020学年提交作业关于作业_1，超过95%的学生获得满分。关于作业_2，超过91%的学生获得满分。关于assignment_3，中位数为6分，超过52%的学生得分为6分或以上。关于总成绩，三次作业成绩之和（0：min-20：max），中位数为18分，超过50%的学生得分在18分以上。根据上述统计，大部分学生对as- signment_1和assignment_2的主题理解得很好。然而，学生对作业_3的理解差异很大.一个原因是assignment_3比assignment_1和assignment_2更高级。图10显示了2020学年的作业时间。结果发现，在34个答案中，有16个答案，学生平均花在assignment_1上的时间为52分钟，assignment_2上的时间为44分钟，assignment_3上的时间为192分钟，总共为288分钟。考虑到学生在CG编程作业期间有“可视化计算II”的CV编程作业根据上述统计数据，这是适当的6.2.定性评价对教材的有效性进行了质量评估。M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000228见图9。 2019学年和2020学年学生成绩分布情况。35和34名学生在2019年的学术会议上提交了作业。2020学年和2020学年分别。此外，assignment_1和assignment_2按7分量表（0：最小值-6：最大值）评定，assignment_3按9分制（最小值：0-最大值：8）。请注意，assignment_1和assignment_2根据错误的级别进行评分，而assignment_3根据错误的深度进行评分的讨论。关于作业_1，超过95%的学生获得满分。关于作业_2，超过91%的学生获得满分。关于assignment_3，中位数为6分，超过52%的学生得分为6分或以上。关于总成绩，三次作业成绩之和（0：min见图10。 学生在2020学年完成作业的时间。结果发现，在34个答案中，有16个答案的学生平均花了52分钟在assignment_1上，44分钟在assignment_2上，192分钟在assignment_3上，总共288分钟。见图11。 在平板电脑上执行的教育材料。这款平板电脑配备了6.2.1.基于云的有效性aQualcommQLRAdrenoTM 330 GPU。这是一个高端GPU的Android为基础教育材料可以在相对便宜的硬件上执行：笔记本电脑、平板电脑甚至智能手机。图11示出了教育材料可以在平板电脑上执行的证明。 表在F ig。图11是使用高通公司的AdrenoTM 330 GPU的设备。此GPU是2013年基于Android的片上系统的高端GPU，不适合GPU路径跟踪。因为即使在这样的机器上也可以执行操作，所以实际上教育材料对学习是有效的2013年的片上系统，它不适合GPU路径跟踪。凹痕的各种硬件没有学生不能在自己的发展环境中操作教材。此外，一名学生评论说，在没有复杂配置的情况下体验GPU路径跟踪非常好。另一个学生评论说他们可以专注于作业M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）2000229见图12。2017学年至2020学年关于视觉计算课程和“算法I”的教师发展课程问卷调查结果。请注意，2018学年和2019学年的视觉计算课程的数据是课程“视觉信息媒体工程”和“计算机图形学”的平均值此外，“算法I”只涉及基础主题，而视觉计算课程也涉及高级主题。也就是说，视觉计算课程所涵盖的领域每年都在扩大图十三. 在2020学年，学生们自己工作的两个高级主题的例子。这些示例分别实现（a）纹理映射和（b）下一事件估计（NEE）。关于（b），还实施了网格渲染和具有区域光的照明这要归功于教育材料可以快速方便地使用。这证明了基于云的教育材料是有用的。6.2.2.扩展性根据下文介绍的2019学年学生的两个代表性评论改进教材，证实了一个有趣的效果第一个评论是，缺乏解释对编程作业的工作产生了不利影响。具体而言，缺乏源代码注释使得教育材料难以理解。另一项评论是，预期会有更高级的专题。考虑到这些意见，我们试图在2020学年丰富课程内容。因此，我们在2020学年收到更多意见，认为解释是全面和详细的。此外，许多学生在广告工作M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）20002210热门话题图13示出了两个示例。其中一个原因是Canvas学习管理系统、Slack及Zoom等多个沟通工具于二零二零年学术年度得到有效使用。在未来，更好地利用教育材料，预计通过使学生之间的交流更积极的合作和知识共享。7. 结论在本文中，我们介绍了基于云的教育材料，体验GPU的路径跟踪与初步的实践报告。该教材提供了一种新的可视化计算教育方式，充分利用了基于云的系统。这种风格对于因疫情而必须在线上课的学生来说很有价值。教育材料可以根据在线课程的动态化以多样化的方式进行改进。竞争利益声明作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作确认目前的工作得到了部分财政支持，a JSPS KAKENHI科学研究补助金（A）No.21H04916。附录A. 关键字列表“视觉计算IA/B，II”中每个讲座的关键词编程讲座上的一些关键词与“可视化计算IA/B，II”中其他常规讲座的关键词重叠，这有助于学生们理解了主题。表A1. “Visual Com puting IA/B ”中每个讲座的关键字。讲座关键词（IA 01）定位-CV和CG技术的虚拟计算，计算机图形学，计算机视觉，模式识别，图像处理，绘制，变换（IA02）光栅图形结构和颜色模型画板，光栅图形，矢量图形，数字图像，像素，数字化，采样，量化，视锥细胞，视杆细胞，视网膜，灰度图像，亮度，分辨率，视敏度，颜色记忆，联觉，再现率，帧缓冲区，颜色系统，色调，饱和度，RGB模型，CMY（K）模型，YIQ模型，加/减色混合，彩色化（IA03）图像的强度变换和空间滤波直方图、均衡化、色调映射、卷积、边缘检测、Gamma校正、双边滤波、半色调、中值滤波、高斯滤波、高斯拉普拉斯算子（IA 04）光栅化-原始，光栅化，扫描转换，Bresenham算法，数字差分分析器，最近邻，多边形，半空间，奇偶检验，缠绕数，多边形填充，种子填充，扫描线，锯齿，反锯齿，面积采样，马赫带效应（IA05）空间频率分析及其应用离散傅里叶变换，低通滤波，Hipass滤波，去模糊，Wiener滤波，反卷积，计算机断层扫描，（IA06）2D齐次坐标系、几何变换和裁剪齐次坐标系，A变换，几何变换，缩放，旋转，平移，刚性变换，镜像，斜交，复合变换，裁剪，Cohen-Surtherland算法（IA 07）几何变换及其应用图像变形，平移，旋转，A-变换，单应性，投影变换，图像拼接，视点变换（IA 08）期中考试IA-（IB 01）自由曲线和曲面功能/美学设计，显式/隐式/参数形式，Langrange插值，Runge（IB 02）实体建模CSG（Constructive Solid Geometry）和B-reps（IB03）其他3D形状表示、3D几何变换和四元数变换（IB04）合成相机模型、查看和混合坐标系形状建模，线框模型。曲面模型。实体模型，体模型，点云，模糊性，扫描，CSG，B-reps，超椭球，集合运算，CSG树，流形，面/边/顶点，弯曲边结构，Euler算子，Euler-Poincare公式斑点，隐式建模，高斯，高度场，分形，中点位移，自相似性，程序/声明建模，分形维数，科赫曲线，Sierpinski垫片，犹他茶壶，体素，空间索引，八叉树/四叉树，三角剖分，四元数合成摄影机、针孔摄影机、视图参考点、视图平面法线、视图距离、上视向量、平行/透视投影、深度提示、投影中心、投影平面、正交/倾斜投影、视角、窗口/视口、视图体积、消失点、查看管道、混合坐标系、世界/建模/摄影机/设备坐标系。小型化，倾斜移位照片（IB05）摄像机标定摄像机模型，透视投影，投影矩阵，内参数，外参数，直接线性变换，透视n点问题（PINK），本质矩阵，基本矩阵，焦距（IB06）基于图像的3D感测运动结构（SfM）、立体、多视图立体、三角测量、因子分解、光束平差（IB07）可见表面确定遮挡剔除、Z缓冲区和光线投射正面/背面，Bakface culing，曲面法线，视图矢量，可见曲面确定，优先级算法，对象/图像空间算法，画家算法，可见性，深度排序算法，BSP树，Z缓冲区，深度缓冲区，增量方法，光线投射（IB 08）期中考试（IB）-M. Ohkawara，H.斋藤和我。藤四郎图形和视觉计算4（2021）20002211表格A2. “ 可 视 化 计 算 II ”中 每 节 课 的关键词。讲座关键词（II 01）阴影的基本原理Phong阴影和平滑/平滑阴影着色，阴影，照明，照明，环境光，电话模型，方向光，点/线性/区域/体积光源，直接/间接光，漫射/镜面反射，散射/散射光，入射光余弦定律，朗伯定律，高光，平面/恒定/平滑着色，Gourand/电话着色，Cook-Trance模型，BRDF（II02）通过光度分析估计3D形状阴影形状、光度立体、朗伯、反照率、双向反射率分布函数，镜面（II03）形状和特征点的检测SIFT、ORB、关键点检测、特征描述符、特征点匹配，Hough变换，模板匹配，自相关，Harris角点检测，模式匹配（II 04）纹理合成和映射-纹理，纹素，程序纹理，Perline噪声，反应扩散系统，Gray-Scot模型，无边界纹理，外观，图像绗缝，Graphcut纹理，纹理映射，投影映射，参数化，预/后滤波，Mipmapping，凹凸映射，扰动，位移映射，环境/反射映射，实体纹理，运动错觉（II05）图像和模式识别最近邻，K均值，原型，马氏距离，K维树方法，机器学习，无监督学习，监督学习，聚类，主成分分析，Adaboost，随机森林，CNN，深度学习（II06）全局照明光线跟踪、光能传递和光子映射局部/全局照明，光线跟踪，折射率，斯涅耳（II07）动画动画，类似的运动，单一图片曲柄，框架，相机运动，高/低/眼睛水平角度，上/中/长镜头，推拉/跟踪/平移/倾斜/缩放，关键帧，中间，正向/反向运动学，关节模型，变形，变形，运动模糊，基于物理的动画，减少物理，运动捕捉，运动克隆，重定目标，无标记捕捉，羊群动画，可指导性（II08）图像序列处理和编码帧减法、背景减法、光流、块匹配，熵，JPEG，离散余弦变换（DCT），目标跟踪（II09）图像分割区域统一方法，均值漂移，蛇，水平集，图切割，语义分割（II10）CV编程Google Colaboratory，Neural network，CNN，Pooling，Max pooling，Encoder-decoder，Skip connection，Filters，Kernel size，Strides，Padding，激活，物体识别，字符识别，语义分割（II11）CG编程GPU，OpenGL，Vertex shader，Rasterizer，Fragment shader，Compute shader，GPGPU，BRDF，Rendering equation，Path tracing，Lambert surface，HDRI/LDRI、色调映射、Gamma校正、基于图像的照明（II 12）基于图像的建模和渲染CAD/CAM/CAT，CAE，基于图像的渲染，基于图像的建模，全景，运动视差，视图变形，全光功能，光场，射线数据库，PRT，计算摄影（II13）通过多视图图像进行3D感测光时间（TOF）、光检测和测距（LiDAR）、深度相机、主动范围感测、对极几何、自由视点视频、光场渲染、符号距离场（II 14）计算机可视化导论数据大爆炸，大数据，智能放大，科学/信息可视化，可视化分析，探索，生态可视化，并置，超实时仿真，测量集成仿真，体可视化，拓扑增强体绘制，HPU（二）期末考试-引用[1] 欢 迎 来 到 合 作 实 验 室 - 合 作 实 验 室 。 2020 [2021 年 3 月 2 日 访 问 ];URLhttps://colab.research.google.com/notebooks/intro.ipynb。[2] 计算课程联合工作组AfCMA，社会，IC。计算机科学课程2013：计算机科学 本 科 学 位 课 程 指 南 。 New York ， NY ， USA ： ACM; 2013. doi ：101145/2534860。[3] 卡 吉 亚 渲 染 方 程 。 在 ： 第 13 届 计 算 机 图 形 学 和 交 互 技 术 年 会 论 文 集 ，SIGGRAPH'86 。New York ， NY ， USA ： ACM; 1986.p. 143 比 50 doi ：10.1145/15922.15902。[4] 张文辉，张文辉，张文辉.对漫反射曲面之间的灯光交互进行建模。SIGGRAPHComput Graph 1984;18（3）：213-22. doi：10.1145/964965.808601。[5] Jensen HW.使用光子贴图的全局照明。在：会议记录的eurographics讲习班渲 染 技 术 Berlin ， Heidelberg ： Springer-Verlag; 1996. 第 21-30 页 。 doi ：10.1007/978-3-7091-7484-5_3。[6] Vach E，Guibas LJ.大都会轻型运输车。在：24日和-1997年计算机图形学与交互技术年会。美国：ACM 出版社/Addison-Wesley出版公司; 1997.第65-76页。doi：10. 1145/258734.258775.[7] Keller A，Viitanen T，Barré-Brisebois C，Schied C，McGuire M.光线追踪完成了吗？ACM SIGGRAPH 2019课程论文集，SIGGRAPH '19。美国纽约州纽约市：ACM; 2019年。doi：101145/33053663329896。[8] 扎阿尔湾HDRI港湾。2017 [2021年3月2日访问]; URLhttps：//hdrihaven. com/.[9] Google- Google 。 2020 [2021 年 3 月 2 日 访 问 ]; URLhttps ： //research.google.com/colaboratory/faq.html.[10] Shirley P. 射 线 追 踪 在 一 个 周 末
