What is the best representation for doing euclidean geometry on computers? These notes from a SIGGRAPH 2019 short course entitled "Geometric algebra for computer graphics" introduce projective geometric algebra (PGA) as a modern framework for this task. PGA features: uniform representation of points, lines, and planes; robust, parallel-safe join and meet operations; compact, polymorphic syntax for euclidean formulas and constructions; a single intuitive sandwich form for isometries; native support for automatic differentiation; and tight integration of kinematics and rigid body mechanics. PGA includes vector, quaternion, dual quaternion, and exterior algebras as sub-algebras, simplifying the learning curve and transition path for experienced practitioners. On the practical side, it can be efficiently implemented, while its rich syntax enhances programming productivity. The basic ideas are introduced in the 2D context and developed selectively for 3D. Advantages to traditional approaches are collected in a table at the end. The article aims to be a self-contained introduction for practitioners of euclidean geometry and includes numerous examples, formulas, figures, and tables.


翻译:在计算机上进行欧几里得几何的最佳表述方式是什么?这些说明来自名为“计算机图形的几何代数”的SIGGRAPH 2019短程课程,其中题为“计算机图形的几何代数”的注解将投影几何代数(PGA)作为这一任务的现代框架。PGA的特征:对点、线和飞机的统一表述;强大、平行安全的组合和相会操作;对欧几里得公式和构造的紧凑、多形态的合成税;单一的异种直观三明治形式;对自动区分的本土支持;以及运动学和僵硬体机理的紧密整合。PGA包括矢量、四氟、双四环和外部代数作为子代数,简化有经验的从业人员的学习曲线和过渡路径。在实际方面,它可以有效地实施,而其丰富的合成税则能提高方案拟订的生产率。在2D背景下引入基本思想,并为3D有选择地发展了3D。对传统方法的倾向性支持和僵硬体机械的严格结合。文章的目的是要成为矢量的自我测量图和多种化的图表。

1
下载
关闭预览

相关内容

ACM SIGGRAPH年度会议是关于计算机图形学和交互技术的理论和实践的全球规模最大,最具影响力的年度会议,通过教育,卓越和互动来激发进步。它们共有四个基本目标:通过社区忠诚度,贡献者质量,外部认可和竞争对手的反应来衡量的首要地位。学科专家和整个行业认可的领先优势。通过贡献者,委员会和社区满意度和参与度来衡量教育,互动和卓越的有效性。可持续的连续性,通过志愿者的承诺,社区利益和财务自给自足来衡量。 官网地址:http://dblp.uni-trier.de/db/conf/siggraph/index.html
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
图神经网络库PyTorch geometric
图与推荐
17+阅读 · 2020年3月22日
NeurIPS2019机器学习顶会接受论文列表!
专知
28+阅读 · 2019年9月6日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
Arxiv
0+阅读 · 2020年10月13日
Arxiv
0+阅读 · 2020年10月12日
Arxiv
0+阅读 · 2020年10月10日
Visualizing and Measuring the Geometry of BERT
Arxiv
7+阅读 · 2019年10月28日
Arxiv
15+阅读 · 2019年4月4日
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Deep Randomized Ensembles for Metric Learning
Arxiv
5+阅读 · 2018年9月4日
VIP会员
相关VIP内容
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
图神经网络库PyTorch geometric
图与推荐
17+阅读 · 2020年3月22日
NeurIPS2019机器学习顶会接受论文列表!
专知
28+阅读 · 2019年9月6日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
相关论文
Arxiv
0+阅读 · 2020年10月13日
Arxiv
0+阅读 · 2020年10月12日
Arxiv
0+阅读 · 2020年10月10日
Visualizing and Measuring the Geometry of BERT
Arxiv
7+阅读 · 2019年10月28日
Arxiv
15+阅读 · 2019年4月4日
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Deep Randomized Ensembles for Metric Learning
Arxiv
5+阅读 · 2018年9月4日
Top
微信扫码咨询专知VIP会员