Edit propagation using geometric analogies

Abstract

Das Modellieren komplexer geometrischer Formen, wie Stadtszenen oder dichter Vegetation, ist eine zeitintensive Aufgabe, dessen Automatisierung nicht trivial ist. Das Problem viele ähnliche, aber nicht idente Modelle zu erstellen und bearbeiten, erfordert spezialisierte Methoden die verstehen welche Merkmale die Modelle ähnlich machen um entweder neue Variationen der Modelle zu erzeugen oder Bearbeitungsoperationen von einem Modell auf alle ähnlichen Modelle zu übertragen. In dieser Dissertation präsentieren wir Methoden um den Modellierungsaufwand komplexer Szenen signifikant zu reduzieren. Für 2D Szenen die deformierbare Objekte, wie Fische oder Schlangen enthalten, präsentieren wir eine Methode um partielle Ähnlichkeiten der deformierten Objekte zu finden, die benutzt werden können um lokale Eigenschaften, wie zum Beispiel Texturen, zwischen ähnlichen Objekten zu übertragen. Objekte werden als ähnlich bezeichnet, wenn es zwischen ihnen punktweise Übereinstimmungen gibt und benachbarte Punkte Übereinstimmungen mit ähnlichen Transformationsparametern haben. Anders als bei vorherigen Methoden erlaubt uns diese Herangehensweise Übereinstimmungen zwischen stark deformierten Objekten zu finden, auch wenn diese partiell verdeckt oder durch wenig dichte oder ungleichmäßig verteilte geometrische Merkmale verbunden sind. Für Szenen die aus Anordnungen mehrerer zweidimensionaler geometrischer Formen bestehen, wie zum Beispiel Hausgrundrisse, präsentieren wir Methoden um ähnliche Punkte innerhalb der Anordnungen zu finden, auch wenn die Anordnungen selbst keine Ähnlichkeiten aufweisen. Modellierungsoperationen, wie Objektplatzierungen, können zwischen ähnlichen Punkten propagiert werden. Unser Ansatz basiert auf einfachen geometrischen Relationen zwischen dem Punkt und der Anordnung von Formen, wie der Distanz zwischen Punkt und dem Rand einer Form, oder der Richtung zwischen Punkt und nächstgelegener Ecke einer Form. Zwei Punkte sind ähnlich, wenn sie viele ähnliche Relationen zur umgebenden Anordnung enthalten. Nach bestem Wissen existiert keine Methode die explizit versucht ähnliche Punkte in unähnlichen Anordnungen geometrischer Formen zu finden. Wir demonstrieren das Bestücken großer Szenen wie Gebäudegrundrisse mit hunderten von Objekten, wie zum Beispiel Möbelstücken, durch Anwendung relativ weniger Modellierungsoperationen. Zusätzlich zeigen wir, dass die Angabe mehrerer Beispieloperationen hilft die Modellierungsabsicht des Benutzers zu konkretisieren und damit die Qualität der Propagierung von Operationen zu erhöhen. Die Beispieloperationen werden in einem probabilistisches Modell gelernt und dieses Modell wird benutzt um Vorschläge für ähnliche Operationen zu generieren. Zudem werden Erweiterungen der Methode vorgestellt, die eine Anwendung auf dreidimensionalen Szenen ermöglichen. Verglichen mit früheren Ansätzen, die ganze Szenen als Beispiele benutzen, erlaubt unsere Methode direktere Kontrolle durch den Benutzer und ist nicht auf große Datenbanken von Beispielszenen oder DomänenspezifischesWissen angewiesen.Wir demonstrieren das Generieren von dreidimensionaler Inneneinrichtung und komplexer Stadtszenen mit detaillierten Fassaden durch Anwendung weniger Modellierungsoperationen.

Modeling complex geometrical shapes, like city scenes or terrains with dense vegetation, is a time-consuming task that cannot be automated trivially. The problem of creating and editing many similar, but not identical models requires specialized methods that understand what makes these objects similar in order to either create new variations of these models from scratch or to propagate edit operations from one object to all similar objects. In this thesis, we present new methods to significantly reduce the effort required to model complex scenes. For 2D scenes containing deformable objects, such as fish or snakes, we present a method to find partial matches between deformed shapes that can be used to transfer localized properties such as texture between matching shapes. Shapes are considered similar if they are related by pointwise correspondences and if neighboring points have correspondences with similar transformation parameters. Unlike previous work, this approach allows us to successfully establish matches between strongly deformed objects, even in the presence of occlusions and sparse or unevenly distributed sets of matching features. For scenes consisting of 2D shape arrangements, such as floor plans, we propose methods to find similar locations in the arrangements, even though the arrangements themselves are dissimilar. Edit operations, such as object placements, can be propagated between similar locations. Our approach is based on simple geometric relationships between the location and the shape arrangement, such as the distance of the location to a shape boundary or the direction to the closest shape corner. Two locations are similar of they have many similar relations to their surrounding shape arrangement. To the best of our knowledge, there is no method that explicitly attempts to find similar locations in dissimilar shape arrangements. We demonstrate populating large scenes such as floor plans with hundreds of objects like pieces of furniture, using relatively few edit operations. Additionally, we show that providing several examples of an edit operation helps narrowing down the supposed modeling intention of the user and improves the quality of the edit propagation. A probabilistic model is learned from the examples and used to suggest similar edit operations. Also, extensions are shown that allow application of this method in 3D scenes. Compared to previous approaches that use entire scenes as examples, our method provides more user control and has no need for large databases of example scenes or domain-specific knowledge. We demonstrate generating 3D interior decoration and complex city scenes, including buildings with detailed facades, using only few edit operations.