Interprétation et modélisation 3D automatique à partir de dessins au trait de formes organiques

• Main Author: Entem, Even
• Other Authors: Grenoble Alpes
• Language: en
• Published: 2018
• Subjects: Informatique graphique; Modélisation géométrique; Reconstruction à partir d'esquisse; Modélisation intuitive; Computer graphics; Geometric modeling; Reconstruction from sketches; Intuitive modeling; 004
• Online Access: http://www.theses.fr/2018GREAM054/document

Le dessin est la manière la plus courante de communiquer sur les formes.Ainsi, l'utilisation de l'esquisse comme outil dans le processus de modélisation de contenus 3D est une approche attrayante.Cependant, dans le monde des machines, les dessins sont encore difficiles à interpréter comme des représentations de formes 3D.Ce défi a été relevé par de nombreux travaux de recherche, car tirer parti du peu de connaissances que nous possédons sur la perception n’est pas anodin.Ma thèse se concentre sur les limites de ce qui peut être inféré à partir de dessins uniques de formes lisses sans aucune aide de l'utilisateur.Dans un premier temps, nous avons choisi une catégorie de forme, à savoir les animaux et autres créatures pour lesquels une connaissance préalable aide à résoudre le problème.Ensuite, nous avons proposé de généraliser certaines parties de la solution pour aborder le cas des formes organiques libres.Ce manuscrit présente donc les solutions respectives que nous avons développées.La première permet de déduire des modèles 3D plausibles d’animaux à partir d’une seule esquisse de vue latérale en utilisant des principes anatomiques pour interpréter les éléments du dessin et déduire des décalages de profondeur entre les éléments.La seconde est une approche qui consiste à décomposer les représentations de formes lisses avec des points de recouvrement non triviaux en un ensemble de silhouettes de parties structurelles ordonnées en profondeur, qui peuvent être utilisées à des fins d'édition et d'animation.Beaucoup d'idées connexes ont été explorées en parallèle, et celles présentées dans ce manuscrit me donnent confiance en l'avenir de ce domaine de recherche. === Drawing is the most common way to communicate about shapes.Thus, using sketching as a tool in the process of modeling 3D content is an attractive approach.However in the world of machines, drawings are still difficult to interpret as shape depictions.This has been the challenge tackled by many different research works since leveraging the little we know about perception is non trivial.My thesis focuses on pushing the limits of what can be inferred from single drawings of smooth shapes without any help from the user.In a first attempt we chose to select a category of shape namely animals and other creatures for which prior knowledge helps to solve the problem.Then we proposed to generalize parts of the solution to tackle the case of free form organic shapes.This manuscript thus presents the respective solutions we developed. The first one is able to infer plausible 3D models of animals from a single side-view sketch using anatomic principles to both interpret the drawing's elements and infer depth offsets between these elements.The second is an approach to decompose depictions of smooth shapes with non trivial cusp points into a set of structural parts' silhouettes ordered in depth, which can be used for editing and animation purposes.Many related ideas were explored on the way, and the ones presented in this manuscript leaves me confident about the future of this field of research.