Correspondances non-rigides entre surfaces plongées en 3D

Non-rigid correspondences between surfaces embedded in 3D

• Auteur / Autrice : Dorian Nogneng
• Direction : Maks Ovsjanikov
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques et informatique
• Date : Soutenance le 21/12/2018
• Etablissement(s) : Université Paris-Saclay (ComUE)
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : École polytechnique (Palaiseau, Essonne ; 1795-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'École polytechnique (Palaiseau, Essonne)
• Jury : Président / Présidente : Frédéric Chazal
• Jury : Examinateurs / Examinatrices : Maks Ovsjanikov, Frédéric Chazal, Giuseppe Patane, Adrien Bousseau, Julie Digne, Primoz Skraba, Gilles Schaeffer
• Jury : Rapporteurs / Rapporteuses : Giuseppe Patane, Adrien Bousseau

Mots clés

Mots clés contrôlés

Modélisation tridimensionnelle

Vision par ordinateur

Reconnaissance des formes (informatique)

Mots clés libres

Reconnaissance

Vision

Géométrie

Maillage

Optimisation

Recognition

Vision

Geometry

Mesh

Optimization

Résumé

La manipulation et le traitement d'énormes quantités de données en 3D est devenu un défi ayant d'innombrables applications, telles que la conception assistée par ordinateur, le calcul biomédical, les jeux interactifs, la perception des machines, la robotique, etc. Le traitement géométrique est un sujet de recherche à l'interface entre l'algorithmique, les mathématiques appliquées et l'informatique en lien avec les applications sus-mentionnées, qui existe depuis une cinquantaine d'années. C'est un domaine de recherche vaste qui inclut des sous-domaines. Le problème de correspondances de forme consiste à, étant donnée une paire de formes, trouver une "bonne" correspondance entre elles. Par exemple on peut vouloir que la correspondance préserve les distances géodésiques, ou des caractéristiques locales.Ce problème a attiré un intérêt croissant, en partie dû à ses nombreuses applications, par exemple en animation, interpolation de formes ou modélisation statistique de formes.Le cadre des correspondances fonctionnelles est un outil récent qui a dévoilé de nombreuses propriété utiles pour les correspondances de formes. Cette approche donne une représentation régulière et compacte du problème de correspondances entre formes, et la plupart des contraintes sur les correspondances fonctionnelles peuvent s'exprimer sous forme de contraintes linéaires ce qui permet une formulation du problème par moindres carrés. Dans cette thèse on se concentre sur le problème de correspondance de forme, spécifiquement en utilisant des correspondances fonctionnelles. Au Chapitre 1 on introduit les notions et notations de base qui seront utilisées le long de la thèse, liées aux surfaces continues ou discrètes, l'opérateur de Laplace-Beltrami, le problème de correspondance de forme non rigide, et le processus standard du calcul d'une correspondance fonctionnelle.Au Chapitre 2 on remarque que les correspondances fonctionnelles induites par des correspondances point à point doivent satisfaire des contraintes de préservation de produits point par point. On applique cette observation à des descripteurs de formes pour améliorer la formulation classique des contraintes sur les correspondances fonctionnelles. Cela mène à une approche qui permet d'extraire plus d'information des contraintes existantes et donne de meilleures correspondances, surtout lorsqu'il y a peu de descripteurs indépendants.Au Chapitre 3 on s'appuie sur la remarque précédente, mais cette fois dans le cas où on a déjà obtenu une correspondance fonctionnelle par une méthode existante. On remarque que la préservation du produit point par point peut aussi être utilisé pour étendre le domaine sur lequel la correspondance fonctionnelle peut transférer des fonctions. On montre que cela permet d'améliorer la précision du transfert de fonction.Au Chapitre 4 on étend l'approche proposée au Chapitre 3 en remarquant qu'au lieu d'utiliser le produit point par point de fonctions, la composition par n'importe quel opérateur fixé doit aussi être préservée. On utilise un réseau de neurones pour optimiser l'approximation d'une fonction donnée qu'on veut transférer, comme fonction point par point de fonctions d'une base précalculée, qu'on sait déjà transférer à l'aide de la correspondance fonctionnelle. Puis on décrit comment évaluer ce réseau de neurones entrainé sur l'image des fonctions de la base afin de construire l'image de la fonction que l'on souhaite transférer. On montre des résultats préliminaires qui suggèrent que cette méthode peut apporter des améliorations significatives au transfert de fonctions.Finalement, au Chapitre 5 on aborde les autres sujets étudiés lors de la thèse, qui n'ont aucun lien avec les correspondances non rigides.

Handling and processing the massive amount of 3D data has become a challenge with countless applications, such as computer-aided design, biomedical computing, interactive games, machine perception, robotics, etc. Geometry Processing is an area of research at the interface between algorithmics, applied mathematics and computer science related to the above applications, that exists since approximately 50 years. It is a large topic of research that includes sub-areas. The problem of shape correspondence (also known as "shape matching") consists in, given a pair of shapes, finding a "good" correspondence between them. For example we may want the correspondence to preserve geodesic distances, or local geometric features.This problem has received a growing interest, in part due to its wide applicability, for example in animation, shape morphing or statistical shape modeling.The functional map framework is a recent tool that has shown many useful properties for shape matching. This approach provides a smooth compact representation of correspondences between shapes, and most constraints over functional maps can be expressed as linear constraints, which allows a least squares formulation of the problem.In this thesis we focus on the problem of shape correspondence, specifically using functional maps. In Chapter 1 we introduce basic notions and notations that will be used throughout the thesis, related to continuous and discrete surfaces, the Laplace-Beltrami operator, the problem of non-rigid shape matching, and the standard functional map computation pipeline.In Chapter 2 we notice that functional maps that are induced by point-to-point maps should satisfy point-wise product preservation constraints. We apply this observation to shape descriptors in order to improve the previous classical constraints on functional maps. This leads to an approach that allows to extract more information from existing constraints and results in better correspondences, particularly when the number of independent descriptors is small.In Chapter 3 we build on the previous remark, but this time in the situation where we already have a functional map that was computed by an existing method. We notice that the point-wise product preservation can also be used to extend the domain over which the given functional map can transfer functions. We show that this allows to improve the accuracy of function transfer.In Chapter 4 we extend the approach proposed in Chapter 3 by noticing that instead of using point-wise function products, the point-wise composition by any fixed operator should also be preserved. We use a neural network that optimizes the approximation of a given function that we want to transfer, as a point-wise function of some basis functions that we already know how to transfer using a given functional map. We then describe how to apply this trained network to the image of the basis functions to construct the image of the function that we want to transfer. We show preliminary results that suggest that this method can lead to significant improvement for function transfer.Finally, in Chapter 5 we mention other topics studied during the thesis, that are unrelated to non-rigid shape matching.