Apprentissage de Correspondances Image-Surface
Auteur / Autrice : | Riza Alp Guler |
Direction : | Iasonas Kokkinos |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques et Informatique |
Date : | Soutenance le 08/03/2019 |
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 : | Laboratoire : Centre de vision numérique (Gif-sur-Yvette, Essonne) |
établissement opérateur d'inscription : CentraleSupélec (2015-....) | |
Jury : | Président / Présidente : Isabelle Bloch |
Examinateurs / Examinatrices : Iasonas Kokkinos, Niloy Mitra, Ivan Laptev, Nikos Paragios, Andrea Vedaldi, Stefanos Zafeiriou | |
Rapporteurs / Rapporteuses : Niloy Mitra, Ivan Laptev |
Mots clés
Résumé
Cette thèse se concentre sur le développement demodèles de représentation dense d’objets 3-D àpartir d’images. L’objectif de ce travail estd’améliorer les modèles surfaciques 3-D fournispar les systèmes de vision par ordinateur, enutilisant de nouveaux éléments tirés des images,plutôt que les annotations habituellementutilisées, ou que les modèles basés sur unedivision de l’objet en différents parties.Des réseaux neuronaux convolutifs (CNNs) sontutilisés pour associer de manière dense les pixelsd’une image avec les coordonnées 3-D d’unmodèle de l’objet considéré. Cette méthodepermet de résoudre très simplement unemultitude de tâches de vision par ordinateur,telles que le transfert d’apparence, la localisationde repères ou la segmentation sémantique, enutilisant la correspondance entre une solution surle modèle surfacique 3-D et l’image 2-Dconsidérée. On démontre qu’une correspondancegéométrique entre un modèle 3-D et une imagepeut être établie pour le visage et le corpshumains.