GPU上で3Dオブジェクトの描画を制御するプログラムである。

座標変換の計算を担当する

色や光の計算を担当し、リアルな影や反射を実現できる。カスタマイズ可能で独自の描画効果を実装できる

物体表面の光の反射を計算するモデルで、環境光、拡散反射光、鏡面反射光の合計で明るさが決まる。

周囲から一様に届く光のこと

物体の表面全体に広がる光のこと

ハイライトにより、物体の材質感を表現すること

光の経路を逆計算してリアルな映像を生成する技術。高品質な映像を作れる分、計算負荷が高く、処理に時間がかかる。近年ではGPUの進化により、高速化が進んでいる

3Dモデルを2D画像に貼付して質感を表現する技術で、形状を変えずにリアルな見た目を表現できる。テクスチャの適用には画像上の位置を示すUV座標系が使われ、各頂点にUV座標を割り当てることで適切に貼付できる

図形を数式で表現する方法であり、拡大しても画質が劣化せず、滑らかな描画が可能

図形を画素の集合で表現する方法であり、複雑な色を表現しやすいが、拡大すると品質が劣化する。

プレゼンハムのアルゴリズムは整数演算のみを用いるため、高速で計算負荷が低く、DDA法よりも精度が高い。また、誤差を累積して処理することで四捨五入を省略でき、滑らかな線分を効率的な描画できる。

ベジェ曲線とは、制御点を用いて滑らかなら曲線を描く数学的手法であり、デザインやCGなど幅広い分野で利用されている。

２つの制御点を直線で結ぶ

３つの制御点を用いて放物線を描く

4つの制御点を用いて滑らかで自由度の高い曲線を描く。一般的に最も広く用いられる

図形の形状を保ちながら平行移動、回転、拡大•縮小、せん断を行う変換である。行列を用いて表現するため、複数の変換を組み合わせで一括で処理することができる

機械学習とは大量のデータを解析することでコンピュータが自らパターンを学習し、未知のデータを判断するためのルールを獲得する技術である。

ニューラルネットワークとは人間の脳の神経網を模した数理モデルであり、データから特徴を自動的に学習するアルゴリズムである。とくに、多層構造をもつニューラルネットワーク用いた機械学習は深層学習と呼ばれる

自動運転に利用されていて、衝突防止や、車線認識などに利用されている。