Description
Date depot: 1 janvier 1900
Titre: Apprentissage de Formes 3D pour la Modélisation Intelligente d'Objets Complexes
Directeur de thèse:
Matthieu CORD (ISIR (EDITE))
Directeur de thèse:
Nicolas THOME (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini
Resumé:
La modélisation 3D est le processus qui consiste à créer, via un logiciel dédié, un objet en trois dimensions. La 3D est un vecteur très riche, permettant de concevoir numériquement des produits avant de les produire, de créer des environnements pour les jeux vidéo ou le cinéma, de simuler des mécanismes, de partager des maquettes 3D, etc. Notre représentation du monde étant intrinsèquement tridimensionnelle, la modélisation 3D est un outil ouvrant d’innombrables applications. Dassault Systèmes est ainsi un leader mondial dans ce domaine, en particulier grâce à sa plateforme logicielle professionnelle CATIA. Néanmoins, la modélisation 3D reste une étape complexe, faisant appel à des interactions évoluées, et qui s’adresse avant tout à des utilisateurs expérimentés.
Il est ainsi primordial d’élaborer des outils à destination d’un public non averti, afin de donner accès aux possibilités offertes par la 3D au plus grand nombre sans peine. Ces outils doivent donc être intuitifs, tout en laissant suffisamment de liberté pour parvenir au résultat voulu. Au vu des nombreuses bases de données de modèles 3D existantes, il semble plus simple, plutôt que de partir d’une maquette vide, de modifier un objet 3D déjà existant. L’analyse abstraite de la forme 3D permet ensuite de proposer des outils simplifiés de manipulation et d’édition 3D, comme démontré dans [Guy13].
L’utilisateur peut aussi souhaiter reconstruire en 3D un environnement ou un objet déjà existant dans le réel. Bien que des progrès considérables aient été réalisés en vision par ordinateur pour répondre à cet objectif, en particulier depuis l’apparition de capteurs de profondeur à bas coût, avec par exemple la technologie KinectFusion [Newcombe11], la qualité des modèles 3D finaux reste très éloignée de celle résultant d’une modélisation assistée par ordinateur. À nouveau, l’idée d’exploiter des bases existantes de modèles 3D a été utilisée afin de remplacer la 3D bruitée reconstruite par des modèles 3D exacts, comme dans le SLAM++ [Salas13].
Dans les deux scénarii envisagés ci-dessus, la base de modèles 3D est utilisée pour simplifier la tâche et améliorer les résultats, mais cette base reste utilisée de manière « statique ». On exploite les modèles existants de manière indépendante, ou en les combinant de manière primitive comme dans [Shen12], mais ce n’est que récemment, avec les progrès constants de l’apprentissage automatique, qu’est venue l’idée d’utiliser cette base de modèles 3D a priori, afin d’apprendre ce qui caractérise ces modèles, et exploiter cette information dans la modélisation assistée par ordinateur ou la reconstruction 3D par capteur.
L’objectif de la thèse est de faire progresser l’état de l’art des techniques d’apprentissage automatique sur des modèles 3D, et de les exploiter au sein de scénarii de modélisation 3D intelligente : aussi bien pour la modélisation 3D libre supervisée par l’utilisateur, que pour de la reconstruction 3D automatique d’un environnement existant.
Doctorant.e: Mehr Eloi