SlideShare a Scribd company logo
1 of 11
자연스러운 세부 수준 변화 데부루키 2011.02.19 나철환
목차 LOD란? 거리 LOD 거리 LOD 문제점 해결 방법
LOD란 렌더링 될 이미지에 기여도가 작을 경우 간략하게 표현하는 방법이다. LOD를 크게 나누면 정적LOD, 동적LOD로 구분 할 수 있습니다.
거리 LOD 카메라와 객체의 사이의 거리를 구해서 문턱값(변하는 기준)을 적용한다. 거리 기준
거리 LOD 문제점 시야을 고려 하지 않았다. 결과 결과
해결방법 거리가 기준 X 객체의 화면 크기의 비율 기준 (확대율)0 확대율 계산 방법 M = x scale / z view
확대율 계산 방법 객체의 위치를 시야 공간으로 변환 후 M = x scale / z view공식 적용 x scale이 투영방정식 쓰이는 축척 인수 확대율 = ( cot( 시야각/2 ) / (가로 해상도/세로 해상도)) / 객체 z 좌표
거리 LOD 문제점 문턱값 거리 부근에서 계속 이동 시 전환 작업이 많이 일어 난다.
해결 방법 문턱값을범위로 준다. (범위내에서 움직이면 이전 LOD 값을 준다.)
마지막 적절한 문턱값 선택은 상황에 맞게 타협점을 찾는 것이다. LOD에 사용자의 주의력 고려
참고 GPG 1 책 http://neosafe.blog.me/130042114187 http://blog.naver.com/destinycs?Redirect=Log&logNo=140117769971

More Related Content

More from samagu0030

[Gpg1권 나철] 2.0 예측 가능한 난수
[Gpg1권 나철] 2.0 예측 가능한 난수[Gpg1권 나철] 2.0 예측 가능한 난수
[Gpg1권 나철] 2.0 예측 가능한 난수samagu0030
 
4장 테스트 자동화의 철학
4장 테스트 자동화의 철학4장 테스트 자동화의 철학
4장 테스트 자동화의 철학samagu0030
 

More from samagu0030 (6)

Fsm
FsmFsm
Fsm
 
클로저 1
클로저 1클로저 1
클로저 1
 
[Gpg1권 나철] 2.0 예측 가능한 난수
[Gpg1권 나철] 2.0 예측 가능한 난수[Gpg1권 나철] 2.0 예측 가능한 난수
[Gpg1권 나철] 2.0 예측 가능한 난수
 
픽킹
픽킹픽킹
픽킹
 
픽킹
픽킹픽킹
픽킹
 
4장 테스트 자동화의 철학
4장 테스트 자동화의 철학4장 테스트 자동화의 철학
4장 테스트 자동화의 철학
 

자연스러운 세부 수준 변화

  • 1. 자연스러운 세부 수준 변화 데부루키 2011.02.19 나철환
  • 2. 목차 LOD란? 거리 LOD 거리 LOD 문제점 해결 방법
  • 3. LOD란 렌더링 될 이미지에 기여도가 작을 경우 간략하게 표현하는 방법이다. LOD를 크게 나누면 정적LOD, 동적LOD로 구분 할 수 있습니다.
  • 4. 거리 LOD 카메라와 객체의 사이의 거리를 구해서 문턱값(변하는 기준)을 적용한다. 거리 기준
  • 5. 거리 LOD 문제점 시야을 고려 하지 않았다. 결과 결과
  • 6. 해결방법 거리가 기준 X 객체의 화면 크기의 비율 기준 (확대율)0 확대율 계산 방법 M = x scale / z view
  • 7. 확대율 계산 방법 객체의 위치를 시야 공간으로 변환 후 M = x scale / z view공식 적용 x scale이 투영방정식 쓰이는 축척 인수 확대율 = ( cot( 시야각/2 ) / (가로 해상도/세로 해상도)) / 객체 z 좌표
  • 8. 거리 LOD 문제점 문턱값 거리 부근에서 계속 이동 시 전환 작업이 많이 일어 난다.
  • 9. 해결 방법 문턱값을범위로 준다. (범위내에서 움직이면 이전 LOD 값을 준다.)
  • 10. 마지막 적절한 문턱값 선택은 상황에 맞게 타협점을 찾는 것이다. LOD에 사용자의 주의력 고려
  • 11. 참고 GPG 1 책 http://neosafe.blog.me/130042114187 http://blog.naver.com/destinycs?Redirect=Log&logNo=140117769971