Crer Simuler Explorer des Univers Naturels sur Ordinateur

Créer, Simuler, Explorer des Univers Naturels sur Ordinateur Fabrice NEYRET Evasion - GRAVIR / IMAG - INRIA ( CNRS, INPG, INRIA, UJF )

Créer, Simuler, Explorer des Univers Naturels sur Ordinateur Fabrice NEYRET Evasion - GRAVIR / IMAG - INRIA ( CNRS, INPG, INRIA, UJF )

• Forêts: AM, FC, Ph. D • Rivières: NP, CD, AP, FR, Qizhi Yu • Océan: DH • Avalanches: DH, FB, MR • Nuages: Antoine Bouthors, SL • Fumée: AA • Flownoise: KP, AA 2 • Textures, repr alt, GPU: SL • Plis, morphogénèse: JC Collabs: Vertigo, Prodige, Revpe, Nat. Sim

• • • Qui sommes-nous ? D’où venons-nous ? Où allons-nous ? • ( Y a-t-il une vie après CG ? / après la radiosité ? ) • ( quand est-ce qu’on code ? )

Qu’est-ce que la recherche en synthèse d’images ?

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions )

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions ) – Contour flou: assemblée de disciplines – Plusieurs angles/buts pour un problème – Focus: application ultime

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions ) – Contour flou: assemblée de disciplines – Plusieurs angles/buts pour un problème – Focus: application ultime • D’où viennent les problèmes / l’inspiration ? ( industrie CG, «science pure» , autres sciences)

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions ) – Contour flou: assemblée de disciplines – Plusieurs angles/buts pour un problème – Focus: application ultime • D’où viennent les problèmes / l’inspiration ? ( industrie CG, «science pure» , autres sciences) – – – Vrai ? Attention aux prétextes ! BAD SCIENCE: Attention aux «solutions without a problem» GOOD SCIENCE: Poser un problème (pour étude, article) BAD SCIENCE:

Qu’est-ce que Poser un problème (étude ou article) la recherche en synthèse d’images ? • Motivation du problème (qu’est-ce qu’on et pourquoi • D’où viennent lescherche, participants ? ? ) Idem que but finaliste (appli) ou) constructif (outils fondam. ) ( dans industrie, labos, soumissions – • Contour flou: données/connaissances assemblée de disciplines Formaliser – • Plusieurs angles/buts pour un problème Formaliser hypothèses (raisonnées) , – Focus : application Objectifs (cahier des ultime charges), Critères • D’où viennent les problèmes / l’inspiration ? ( • industrie CG, : «science pure» , autres sciences) Contrib Idée de l’approche (algo & repr. ) – Vrai ? Attention aux prétextes ! • L’article: – Attention aux «solutions without a problem» BAD SCIENCE: – – Quel. Poser existant, quoi utile, quoi inadapté un problème (pour étude, article) – Votre méthode (choix justifiés et discutés) objectifs sous-pb détails (c/ revue de code!) – Validation, les +, les -, perfs, comparaisons GOOD SCIENCE:

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions ) – Contour flou: assemblée de disciplines – Plusieurs angles/buts pour un problème – Focus: application ultime • D’où viennent les problèmes / l’inspiration ? ( industrie CG, «science pure» , autres sciences) – – – Vrai ? Attention aux prétextes ! BAD SCIENCE: Attention aux «solutions without a problem» GOOD SCIENCE: Poser un problème (pour étude, article) BAD SCIENCE:

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions ) – Contour flou: assemblée de disciplines – Plusieurs angles/buts pour un problème – Focus: application ultime • D’où viennent les problèmes / l’inspiration ? ( industrie CG, «science pure» , autres sciences) – – – Vrai ? Attention aux prétextes ! BAD SCIENCE: Attention aux «solutions without a problem» GOOD SCIENCE: Poser un problème (pour étude, article) BAD SCIENCE: – Relation aux autres sciences (prend, donne, boucles)

Statut des. Qu’est-ce modèles de quela physique «approche ‘physique’, exactitude/rigueur» la recherche en synthèse d’images ? • • Il n’existe pas de «modèle exact» en physique D’où viennent les participants ? «Physique» ≠ local (equa-diff ) ( dans industrie, labos, soumissions ) Local/macro, «rigoureux/empirique» : subjectif ! – Contour flou: assemblée de disciplines – méca. Q molécules phys stat thermodyn NS hydraulique/vagues/aérologie – Plusieurs angles pour un problème méca. Q champs EM Huygens optique géom. –– Focus : application ultime RT/radios/visibilité • Hypothèses, conditions, limites • D’où viennent problèmes / l’inspiration ? ex, fluides continus: les notion de P, T, V, parcelle (émergence) ( industrie, «science pure» , autres sciences) • Conditions limites (bords), paramètres – la. BADmoitié SCIENCE: Vrai ? Attention aux prétextes ! du problème est mal connue ! – BAD SCIENCE: Attention aux «solutions without a problem» • Pb numériques – pb de la résolution –– modèles GOOD SCIENCE: Poser un problème (pour étude, article) sous-maille: stade recherche –– Relation aux autres sciences (prend, donne, boucles) sous-res erreurs qualitatives et quantitatives [SAA 00] Ø Outil, inspiration. Mais pas sacraliser. contextualiser!

Qu’est-ce que la recherche en synthèse d’images ? • D’où viennent les participants ? ( dans industrie, labos, soumissions ) – Contour flou: assemblée de disciplines – Plusieurs angles/buts pour un problème – Focus: application ultime • D’où viennent les problèmes / l’inspiration ? ( industrie CG, «science pure» , autres sciences) – – – Vrai ? Attention aux prétextes ! BAD SCIENCE: Attention aux «solutions without a problem» GOOD SCIENCE: Poser un problème (pour étude, article) BAD SCIENCE: – Relation aux autres sciences (prend, donne, boucles)

Et moi, là dedans ? • Industrie effets spéciaux (TDI, AW) – Le graphiste, le spectateur • Hacker (projets, assocs) – Algo & repr. astucieux, faire l’impossible • Maths Applis (DESS/ENST, EDF, FT) – Outils théoriques (moitié) • Passion des sciences – Comment fonctionne la nature ? Les sens ? Ø Cible: graphistes & spectateurs Ø Outil: Représentations Ø Contexte applicatif: Scènes naturelles

Que veulent les graphistes ? • Spectateur: – Veut juste du plausible – Mais œil expert – Résultat en tout pixel

Que veulent les graphistes ? • Graphiste: – Super-spectateur – Scénario – Outil pour s’exprimer: pas boîte noire !

Que veulent les graphistes ? • Graphiste: – Super-spectateur – Scénario – Outil pour s’exprimer: pas boîte noire ! • • • Utilisable Contrôlable Param intuitifs et prédictibles Espace suffisament riche / pertinent Feedback ( rapide) Cette scène, ce plan. tous outils dispo, + a la mano

Que veulent les graphistes ? • Graphiste: – Super-spectateur – Scénario – Outil pour s’exprimer: pas boîte noire ! • • • Utilisable Contrôlable Param intuitifs et prédictibles Espace suffisament riche / pertinent Feedback ( rapide) Cette scène, ce plan. tous outils dispo, + a la mano – Aime défis / tenace – Extra-terrestre • Ce qu’il fait, personne ne le ferait • L’observer, ne pas le croire

Et moi, là dedans ? • Industrie effets spéciaux (TDI, AW) – Le graphiste, le spectateur • Hacker (projets, assocs) – Algo & repr. astucieux, faire l’impossible • Maths Applis (DESS/ENST, EDF, FT) – Outils théoriques (moitié) • Passion des sciences – Comment fonctionne la nature ? Les sens ? Ø Cible: graphistes & spectateurs Ø Outil: Représentations Ø Contexte applicatif: Scènes naturelles

• Forêts: AM, FC, Ph. D • Rivières: NP, CD, AP, FR, Qizhi Yu • Océan: DH • Avalanches: DH, FB, MR • Nuages: Antoine Bouthors, SL • Fumée: AA • Flownoise: KP, AA 2 • Textures, repr alt, GPU: SL • Plis, morphogénèse: JC Collabs: Vertigo, Prodige, Revpe, Nat. Sim

• Buts: – – – Très grande complexité de détails, scènes vastes Bas coût en calcul et mémoire Haute contrôlabilité • Approches: – Représentations alternatives • Textures volumiques • GPU • Textures – Simulation phénoménologique • Forme • Anim • Rendu • Appli: scènes naturelles – – Paysages (forêt, …) Eau (rivières, ocean, …) Nuages (forme, mouvement, rendu), fumée… Surfaces complexes (écorces, plissements…)

Etudier le réel : scènes & phénomènes naturels Equation physique – – – vs nature réelle Structuré vs ‘flou’, connu vs bruit & fluctuations Symétries, régularités, rigidités artificielles Hypothèses clandestines (fléau !) CL: les parois, ces inconnues ! (géom, val paramètres) Phénomènes émergents Simu: résultat change avec résol [PDI-LF 02]

Etudier le réel : scènes & phénomènes naturels Equation physique – – – vs nature réelle Structuré vs ‘flou’, connu vs bruit & fluctuations Symétries, régularités, rigidités artificielles Hypothèses clandestines (fléau !) CL: les parois, ces inconnues ! (géom, val paramètres) Phénomènes émergeants Simu: résultat change avec résol [PDI-LF 02] A. Fournier: partir des images réelles, finir par images réelles (inspiration, validation) – Visiter, photographier, filmer, toucher, dessiner apprendre à voir, trouver le sens – Pb validation subjective

• Buts: – – – Très grande complexité de détails, scènes vastes Bas coût en calcul et mémoire Haute contrôlabilité • Approches: – Représentations alternatives • Textures volumiques • GPU • Textures – Simulation phénoménologique • Forme • Anim • Rendu • Appli: scènes naturelles – – Paysages (forêt, …) Eau (rivières, ocean, …) Nuages (forme, mouvement, rendu), fumée… Surfaces complexes (écorces, plissements…)

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92] ) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92] ) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92] ) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92] ) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92] ) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92]) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Représentations alternatives • Échelles: (≠ sens, perception, buts, données, simu) modèles différenciés couplés • Formes, surfaces: notions subjectives ! • Comment représenter le monde ? – Ce qu’on sait / ce qu’on voit (forme, relief…) – Approche minimaliste, impressionniste séparer forme/relief, normales, shading Adaptatif: hiérarchie de modèles [Kaj 85] – Repr. des formes: maillages, surfels, voxels… Propriétés ≠ : structuration, coût, filtrage… – Découpler (géom / espace texturel) • Mes contribs: espace texturel reflectance (NDF [Fou 92]) texcells (Tex Vol [KK 89]) repr. vectorielles pour fluides

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée. + [PDI-LF 02] • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée. + [PDI-LF 02] • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée. + [PDI-LF 02] • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée. + [PDI-LF 02] • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée. + [PDI-LF 02] • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée. + [PDI-LF 02] • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Simulation phénomènologique • Vaste + haute rés. : simu phys hors de portée • Mais connaissances a priori ! – plages valeurs, seuils, régimes, prépondérances, modes… • Effets émergents: instabil. , ondes, plis, forme équil. … – Equations: indirect, phys++. Mais prévisible – Proche du sens, macroscopique • Repr. directe des phénomènes émergents – Phys macro ( phénoménologique / empirique / analytique ) • Modèle dispo / analytique / obs. directe / obs. simu de ref – Primitive macro – – Il faut revisiter, s’approprier, inventer, généraliser… Pas facile, tout à faire, ingrat, mais résultats++ • Couplage avec simulation • Mes contribs: (repr alt macro) vorticité forme et mvt surface d’eau rendu des nuages formes de croissance

Points durs à résoudre • Graal: explorer paysage, panache fumée… • Falaises, spec paysage, simu géologique… • Vent, bourrasques, ‘pattes de chat’ • Distributions, interpolation, echantillonnage, pixels • Filtrage texture et geom • Qu’est-ce qu’une texture ? • Comment exploiter perception ? • Générique ou spécifique ?

Points durs à résoudre • Graal: explorer paysage, panache fumée… • Falaises, spec paysage, simu géologique… • Vent, bourrasques, ‘pattes de chat’ • Distributions, interpolation, echantillonnage, pixels • Filtrage texture et geom • Qu’est-ce qu’une texture ? • Comment exploiter perception ? • Générique ou spécifique ?

Points durs à résoudre • Graal: explorer paysage, panache fumée… • Falaises, spec paysage, simu géologique… • Vent, bourrasques, ‘pattes de chat’ • Distributions, interpolation, echantillonnage, pixels • Filtrage texture et geom • Qu’est-ce qu’une texture ? • Comment exploiter perception ? • Générique ou spécifique ?

Points à résoudre Filtrage desdurs textures (interp, MIPmap) • Graal: explorer paysage, panache fumée… • Hypothèses clandestines: – Linéarité 1: paysage, N, courb. , visibilité, ombres, param. const • Falaises, spec simu géologique… Ø pb: micro-géométrie ! Filtrage ultime ! • Vent, – bourrasques, ‘pattes de chat’ Linéarité 2: fragment = lin(texture) , i. e. : text = RGBA Ø pb: textures banalisées (Z, N, …) ! • Distributions, interpolation, , pixels – Continuité: néglige bords, echantillonnage trous, atlas, tiles pb: indirections • FiltrageØtexture et geom! • Filtrage de géométrie: • Qu’est-ce qu’une texture ? • Comment exploiter perception ? – Polygones pas antialiasés – + en + ou petits • Générique spécifique ? – Pas filtrables en amont repr alt, transition de modèle

Points à résoudre Filtrage desdurs textures (interp, MIPmap) • Graal: explorer paysage, panache fumée… • Hypothèses clandestines: – Linéarité 1: paysage, N, courb. , visibilité, ombres, param. const • Falaises, spec simu géologique… Ø pb: micro-géométrie ! Filtrage ultime ! • Vent, – bourrasques, ‘pattes de chat’ Linéarité 2: fragment = lin(texture) , i. e. : text = RGBA Ø pb: textures banalisées (Z, N, …) ! • Distributions, interpolation, , pixels – Continuité: néglige bords, echantillonnage trous, atlas, tiles pb: indirections • FiltrageØtexture et geom! • Filtrage de géométrie: • Qu’est-ce qu’une texture ? • Comment exploiter perception ? – Polygones pas antialiasés – + en + ou petits • Générique spécifique ? – Pas filtrables en amont repr alt, transition de modèle

Points à résoudre Filtrage desdurs textures (interp, MIPmap) • Graal: explorer paysage, panache fumée… • Hypothèses clandestines: – Linéarité 1: paysage, N, courb. , visibilité, ombres, param. const • Falaises, spec simu géologique… Ø pb: micro-géométrie ! Filtrage ultime ! • Vent, – bourrasques, ‘pattes de chat’ Linéarité 2: fragment = lin(texture) , i. e. : text = RGBA Ø pb: textures banalisées (Z, N, …) ! • Distributions, interpolation, , pixels – Continuité: néglige bords, echantillonnage trous, atlas, tiles pb: indirections • FiltrageØtexture et geom! • Filtrage de géométrie: • Qu’est-ce qu’une texture ? • Comment exploiter perception ? – Polygones pas antialiasés – + en + ou petits • Générique spécifique ? – Pas filtrables en amont repr alt, transition de modèle [Kaj 85]

Points durs à résoudre • Graal: explorer paysage, panache fumée… • Falaises, spec paysage, simu géologique… • Vent, bourrasques, ‘pattes de chat’ • Distributions, interpolation, echantillonnage, pixels • Filtrage texture et geom • Qu’est-ce qu’une texture ? • Comment exploiter perception ? • Générique ou spécifique ?

Résumé / conclusion • • Qu’est ce qu’on cherche ? Quels critères – (graphiste/spectateur) • Chasse aux hypothèses clandestines • Du bon usage de la physique • Commencer par les vraies images, finir par…idem • De l’imagination dans les outils: – Représentations alternatives (minimalistes/impressionistes) – Approches phéno/macro/empiriques

Résumé / conclusion J’ai pas dit que j’avais tj appliqué Beaucoup commencé, peu fini… Y’a d’la place pour tout le monde ! merci aux étudiants

Créer, Simuler, Explorer des Univers Naturels sur Ordinateur Fabrice NEYRET Evasion - GRAVIR / IMAG - INRIA ( CNRS, INPG, INRIA, UJF )