Thèse soutenue

Personnalisation adaptative d’avatar pour expériences immersives
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Nicolas Olivier
Direction : Franck Multon
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 31/03/2022
Etablissement(s) : Rennes 1
Ecole(s) doctorale(s) : MATHSTIC
Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Rennes, Bretagne-Atlantique) - MIMETIC
Jury : Président / Présidente : Edmond Boyer
Examinateurs / Examinatrices : Céline Loscos, Slim Ouni, Ferran Argelaguet Sanz, Fabien Danieau, Quentin Avril, Rachel McDonnell
Rapporteurs / Rapporteuses : Céline Loscos, Slim Ouni

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Dans cette thèse, nous cherchons à réaliser la stylisation des personnages de manière entièrement automatique. Qu'ils soient stylisés ou non, la présence de doubles numériques dans le contenu publié a connu une croissance significative ces dernières décennies, qu'il s'agisse de films, séries télévisées, ou jeux. Avoir un double numérique complet est un concept fortement poussé en avant par des produits commerciaux comme le Metaverse. Il y a un intérêt à disposer d'un personnage stylisé ressemblant à une personne de référence, tout en conservant certaines caractéristiques identitaires essentielles, afin qu'il soit reconnaissable. Cela permet de ne pas perdre la valeur de marque d'un acteur, ou d'augmenter le sentiment d'incarnation, l'intimité avec son double virtuel, et l'interactivité avec les autres dans des environnements partagés. Dans cette thèse, nous avons exploré le sujet de la stylisation des personnages virtuels. Nos objectifs étaient d'aborder le problème de la stylisation automatique des personnages dans le contexte d'une disponibilité élevée ou faible des données, ainsi que le transfert d'expression entre des visages aux morphologies variées. Nous avons présenté une nouvelle méthode pour deux contextes de stylisation de personnages (méthode basée règle, et méthode basée apprentissage) ainsi que des études d'utilisateurs afin d'examiner leurs performances et leurs limites. Nous avons également proposé une nouvelle méthode pour le transfert d'expression entre visages en tenant compte de la morphologie du visage, qui surpasse les méthodes existantes sur plusieurs métriques. La solution à court terme pour une telle stylisation réside dans des méthodes basées sur l'apprentissage exploitant des données 3D, ou même des approches basées sur des règles. A plus long terme, nous pensons que la capacité d'interpréter des données 2D d'une manière consciente de la 3D sera la clef, ces dernières étant beaucoup plus nombreuses et plus faciles à produire. À l'heure actuelle, nous espérons que les solutions proposées dans cette thèse seront utiles pour permettre la génération automatique de personnages stylisés expressifs, ainsi que pour montrer leurs limites, et qu'elles donneront des indications en vue d'une extension à l'ensemble du corps, et à partir de contenu 2D.