This thesis is focused on design and implementation of procedural generator of galaxy for games or simulations. Second goal is implementation of demonstration application which is showing possible usage of generator. Generator is able to create galaxy by predefined types or by user created map.

This project explores the understudied, yet important, case of human pose estimation in low-resolution images. This is done in the use-case of images with football players of known scale in the image. Human pose estimation can mainly be done in two different ways, the bottom-up method and the top-down method. This project explores the bottom-up method, which first finds body keypoints and then groups them to get the person, or persons, within the image. This method is generally faster and has been shown to have an advantage when there is occlusion or crowded scenes, but suffers from false positive errors. Low-resolution makes human pose estimation harder, due to the decreased information that can be extracted. Furthermore, the output heatmap risks becoming too small to correctly locate the keypoints. However, low-resolution human pose estimation is needed in many cases, if the camera has a low-resolution sensor or the person occupies a small portion of the image. Several neural networks are evaluated and, in conclusion, there are multiple ways to improve the current state of the art network HigherHRNet for lower resolution human pose estimation. Maintaining large feature maps through the network turns out to be crucial for low-resolution images and can be achieved by modifying the feature extractor in HigherHRNet. Furthermore, as the resolution decreases, the need for sub-pixel accuracy grows. To improve this, various heatmap encoding-decoding methods are investigated, and by using unbiased data processing, both heatmap encoding-decoding and coordinate system transformation can be improved. / Detta projekt utforskar det understuderade, men ändå viktiga, fallet med uppskattning av mänskliga poser i lågupplösta bilder. Detta görs i användningsområdet av bilder med fotbollsspelare av en förutbestämd storlek i bilden. Mänskliga poseuppskattningar kan huvudsakligen göras på två olika sätt, nedifrån-och-upp- metoden och uppifrån-och-ned-metoden. Detta projekt utforskar nedifrån-och- upp-metoden, som först hittar kroppsdelar och sedan grupperar dem för att få fram personen, eller personerna, i bilden. Denna metod är generellt sett snabbare och har visat sig vara fördelaktig i scenarion med ocklusion eller mycket folk, men lider av falska positiva felaktigheter. Låg upplösning gör uppskattning av mänskliga poser svårare, på grund av den minskade informationen som kan extraheras. Dessutom riskerar färgdiagramet att bli för liten för att korrekt lokalisera kroppsdelarna. Ändå behövs uppskattning av lågupplöst mänskliga poser i många fall, exempelvis om kameran har en lågupplöst sensor eller om personen upptar en liten del av bilden. Flera neurala nätverk utvärderas och sammanfattningsvis finns flera sätt att förbättra det nuvarande toppklassade nätverket HigherHRNet för uppskattning av mänskliga poser med lägre upplösning. Att bibehålla stora särdragskartor genom nätverket visar sig vara avgörande för lågupplösta bilder och kan uppnås genom att modifiera särdragsextraktorn i HigherHRNet. Dessutom, när upplösningen minskar, ökar behovet av subpixel-noggrannhet. För att förbättra detta undersöktes olika färgdiagram-kodning-avkodningsmetoder, och genom att använda opartisk databehandling kan både färgdiagram-kodning-avkodning och koordinatsystemtransformationen förbättras.

Software testing is a crucial development technique to capture defects and slow code. When testing 3D graphics, it is hard to create automatic tests that detect errors or slow performance. Finding performance issues in game maps is a complex task that requires much manual work. Gaming companies such as EA DICE could benefit from automating the process of finding these performance issues in their game maps. This thesis tries to solve the problem by creating automatic tests where the camera is placed in a top-down perspective and flies over the in-game map, recording the time it takes to create render and client simulation frames for each map segment. The resulting trace is then visualised as a heatmap, where the mean frame creation times are rendered with pseudo colouring techniques to help pinpoint possible issues for the test engineers. The key findings of this thesis are that a heatmap visualisation of frame creation times saves much time for the developers trying to find these issues; it also lowers the amount of knowledge needed to find performance issues. This tool automates a process that formerly needed considerable manual work to get the same result. Now, artists with low coding experience can find performance issues without the technical knowledge of a Quality Assurance engineer. The thesis also highlights the drawbacks of a top-down perspective of camera trace since this is not how EA DICE games are usually rendered for the player in runtime. With this thesis as a base, other tests could be made with other ways of moving the camera and visualising the trace. / Mjukvarutestning är en viktig programvaruutvecklings teknik för att fånga felaktig eller långsam kod. Det är svårt att skapa automatiska tester för 3D grafik som hittar fel eller dålig prestanda i koden. Att hitta prestandaproblem i spelkartor är en komplex uppgift som kräver mycket manuellt arbete. Spelföretag såsom EA DICE skulle dra fördel av att automatisera processen att hitta dessa prestandaproblem i spelkartor. Denna uppsats försöker lösa detta genom att skapa automatiska tester där kameran placeras i ett uppifrån-och-ned-perspektiv och sedan flyger genom banan i spelet samtidigt som den samlar in data på hur lång tid det tar för renderings-bildrutor och klient-simulerings-bildrutor att skapas för varje ban-segment. Den resulterande datan är därefter visualiserade som ett färgdiagram, där medelvärdet på tiden för att skapa varje bildruta ritas upp med en psuedofärgningsteknik för att markera möjliga problemområden för testingenjörerna. Nyckelupptäckter för denna uppsats är att färgdiagramsvisualiseringen av bildruta-skapande-tider sparar mycket tid för utvecklare som försöker hitta prestandaproblem. Det minskar också kunskapströskeln som behövs för att lokalisera prestandaproblem. Detta verktyg automatiserar en process som tidigare krävde omfattande manuellt arbete för att få samma resultat. Numera kan game artists med låg koderfarenhet hitta dessa prestandaproblem utan den tekniska kunskapen hos en kvalitetskontroll-ingenjör. Den här uppsatsen visar också nackdelar med ett uppifrån-och-ned-perspektiv för kameran då det inte är så EA DICE spel normalt renderas för spelarna. Den här uppsatsen kan användas som utgångspunkt för andra som vill utveckla testverktyg och med fördel ta i beaktning de utvecklingspunkter denna uppsats belyser.

Complex spatial relationships and patterns in multivariate data are relatively simple to identify visually but di cult to detect computation- ally. For this reason, Anivis, an interactive tool for visual exploration of multivariate quantitative pure serial periodic data was developed. The data has four dimensions depth, laterality, frequency and time. The data was visualized as an animated heatmap, by mapping depth and laterality to coordinates in a pixel grid and frequency to color. Transfer functions were devised to map a single variable to color through parametric curves. Anivis implemented heatmap generation through both weighted sum and deconvolution for comparison reasons. Deconvolution exhibited a to have better theoretical and practical performance. In addition to the heatmap visualization a scatter-plot was added in order to visualize the causal relationships between data points and high value areas in the heatmap visualization. Performance and applicability of the tool were tested and verified on experimental data from the Karolinksa Institute’s Department of Neuroscience. / Komplexa spatiala mo ̈nster och fo ̈rh ̊allanden i multivariat data a ̈r rel- ativt sv ̊ara att identifiera via bera ̈kningar men simpla att identifiera vi- suellt. Att visualisera data fo ̈r denna typ av data-analys anva ̈nds ofta i m ̊anga olika typer av fa ̈lt. Detta motiverade utvecklingen av Anivis; ett interaktivt verktyg fo ̈r visuell utforskning av multivariat kvantitativ data av neural aktivitet. Anivis anva ̈nder sig av dataset baserade p ̊a experi- mentell data fr ̊an en forskningsgrupp p ̊a Karolinska Institutets Institution fo ̈r Neurovetenskap. Dessa fyrdimensionella dataset best ̊ar av ma ̈tningar fr ̊an neuroner i form av deras position, aktivitet i form av frekvens och tidpunkt. Denna data anva ̈nds fo ̈r att generera en animerad heatmap, da ̈r neuroners frekvensva ̈rden visas i form av f ̈arg. Frekvensva ̈rdena om- vandlades till fa ̈rgva ̈rden via ̈overg ̊angsfunktioner som kopplar numeriska va ̈rden till fa ̈rgva ̈rden via parametriserade kurvor. Anivis lyckades imple- mentera tv ̊a olika metoder f ̈or att generera heatmap, viktade summor och dekonvolution. Dessa tv ̊a metoder ja ̈mfo ̈rdes med varandra, varav dekon- volution visade sig vara den teoretiskt och praktiskt e↵ektivaste meto- den. Utvecklingen av Anivis visade a ̈ven behovet fo ̈r ett punktdiagram fo ̈r att visualisera f ̈orh ̊allandet mellan ma ̈tta frekvensv ̈arden och spatial frekvensfo ̈rdelning i heatmappen.

La réponse immunitaire est régulée spatialement et temporellement. Les cellules immunitaires font partie d’une plus grande communauté de populations cellulaires interconnectées qui coordonnent leurs actions par la signalisation intercellulaire. Suivant une blessure hépatique, la distribution et la composition du compartiment immunitaire évoluent rapidement au fil du temps. Par conséquent, l’information sur la position des cellules immunitaires dans le tissu hépatique est essentielle à la bonne compréhension de leurs fonctions dans la santé et la maladie. Cependant, l’organisation spatiale des cellules immunitaires en réponse à une atteinte hépatique aiguë, ainsi que les conséquences fonctionnelles de leur distribution topographique spécifique, restent mal comprises. Les macrophages hépatiques sont des cellules effectrices clés pendant l’homéostasie et en réponse à des blessures, et sont impliqués dans la pathogenèse de plusieurs maladies du foie. L’hétérogénéité et plasticité des macrophages dans le foie a été exposée avec l’émergence du séquençage de l’ARN, la cytométrie en flux et la cytométrie de masse. Ces techniques ont sensiblement contribué à la compréhension de l’origine, et fonctions des macrophages dans le foie. Cependant, ces technologies impliquent la destruction du tissu pour la préparation de suspension cellulaires ce qui entraîne une perte d’information spatiale et de contexte tissulaire. Par conséquent, la caractérisation spatiale et temporelle des macrophages dans le tissu hépatique pendant l’homéostasie tissulaire, et en réponse à une blessure, fournit une nouvelle information sur la façon dont les macrophages se rapportent aux cellules voisines et leur comportement pendant les réponses immunitaires. Dans la première partie de cette étude, nous avons conçu une stratégie pour le phénotypage spatial des cellules immunitaires hépatiques dans des échantillons de tissus. Cette stratégie combine techniques d'imagerie et l’alignement numérique des images pour surmonter les limitations actuelles du nombre de marqueurs pouvant être visualisés simultanément. En outre, nous avons généré des protocoles pour la quantification automatisée des cellules d’intérêt dans des sections de tissus pour réduire la subjectivité associée à la quantification par inspection visuelle, et pour augmenter la surface et la vitesse de l’analyse. Par conséquent, un plus grand nombre de populations de cellules immunitaires ont été visualisées, quantifiées et cartographiées, et leurs relations spatiales ont été déterminées. Dans la deuxième partie de l’étude, nous avons déterminé la cinétique et la dynamique spatiale des cellules de Kupffer (KCs) et des macrophages dérivés de monocytes (MoMFs) en réponse à une atteinte hépatique aiguë au CCl4, afin de mieux comprendre leurs rôles fonctionnels, et la répartition du travail entre eux. Nous avons constaté que les KC et les MoMFs présentent des différences au niveau de la distribution tissulaire, la morphologie, et la cinétique. En plus, seulement les KCs ont proliféré pour repeupler la population de macrophages résidents pendant la réparation tissulaire. Finalement, nous avons montré que le degré de colocalization de KCs et des MoMFs avec les cellules stellaires est différent. En plus, cette colocalisation varie avec la progression de la réponse immunitaire. Dans l’ensemble, nous avons montré que les KCs et les MoMFs ont des profils spatiaux et temporels différents en réponse à une atteinte hépatique aiguë. Dans l’ensemble, les observations faites dans cette étude suggèrent que le comportement spatial et temporel d’une sous-population donnée de cellules immunitaires est distinct et sous-tend sa capacité à remplir ses fonctions spécifiques pendant la réponse immunitaire. / The immune response is spatially and temporally regulated. Immune cells are part of a larger community of interconnected immune and non-immune cell populations that coordinate their actions mostly through cell-cell intercellular signaling. In the liver, the distribution pattern, and the composition of the immune compartment evolve during an immune response to injury influencing disease pathology, progression, and response to treatment. Hence, information on the location and interacting partners of immune cells in the hepatic tissue is critical for the proper understanding of their functions in health and disease. However, the spatial organization of hepatic resident and infiltrating immune cells in response to acute injury, and the functional consequences of their specific topographical distribution, remain poorly defined. Hepatic macrophages are key effector cells during homeostasis and in response to injury and are involved in the pathogenesis of several liver diseases. The heterogeneity and plasticity of the macrophage compartment in the liver have only recently started to be appreciated with the emergence of RNA sequencing, flow cytometry, and mass cytometry. Detailed transcriptomic and phenotypic profiling have deeply expanded our understanding of macrophage biology. However, these technologies involve tissue disruption with loss of spatial information and tissue context. Therefore, the spatial and temporal profiling of liver macrophages in tissue samples during the steady state, and in response to injury, provide novel information on how the macrophages relate to neighboring cells and their behavior during immune responses. In the first part of this study, we designed a strategy for the spatial phenotyping of hepatic immune cells in tissue samples. This strategy combined serial and sequential labeling, and digital tissue alignment to overcome current limitations in the number of markers that can be simultaneously visualized. In addition, we generated protocols for automated quantification of cells of interest in whole tissue sections which removed the subjectivity associated with quantification by visual inspection and greatly increased the area and the speed of the analysis. As a result, a larger number of immune cell populations were visualized, quantified, and mapped, and their spatial relations were determined in an unbiased manner. In the second part of this study, we monitored the kinetics, and spatial dynamics of resident Kupffer cells (KCs) and infiltrating monocyte-derived macrophages (MoMFs) in response to acute liver injury with CCl4, to gain insight into their functional roles, and the distribution of labor between them. KCs and MoMFs exhibited different tissue distribution patterns and cell morphology, different kinetics, and occupied neighboring but unique microanatomical tissue locations. KCs and MoMFs displayed a different capacity to replenish the macrophage pool upon acute injury, and were differentially related to hepatic stellate cells. Different kinetics and spatial profiles revealed that KCs and MoMFs have distinct spatial signatures and suggest that they perform distinct functions during the wound-healing response to acute liver injury. In summary, we optimized techniques and put together a strategy for the spatial profiling of hepatic immune cells. Then, we used this methodology to profile resident and infiltrating macrophage subpopulations to gain insight into their biology and distinct contribution to healing in response to acute liver injury. Overall, the observations made in this study suggest that the spatial and temporal behavior of a given subpopulation of immune cells underlie its ability to perform its specific functions during the immune response.