Capture et modélisation des cheveux

Hair Capture and Modeling

• Auteur / Autrice : Youssef Ben cheikh
• Direction : Jean-Sébastien Franco
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/05/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Jean Kuntzmann (Grenoble ; 2007-....)

Mots clés

Mots clés libres

Apprentissage profond

Modélisation des cheuveux

Reconstruction

Capture des cheveux

Deep Learning

Hair Modeling

Reconstruction

Hair capture

Résumé

Cette recherche doctorale se concentre sur le problème complexe de la capture et de la modélisation de la dynamique des cheveux humains, un domaine encore relativement inexploré au sein de la communauté scientifique. Les approches existantes, telles que les reconstructions stéréo multi-vues et les stratégies d'apprentissage profond, se sont principalement concentrées sur la récupération de représentations statiques des cheveux à partir d'images. La première tâche consiste à sélectionner une représentation adaptée aux modèles capillaires dynamiques. La deuxième tâche se concentre sur le développement d'une approche basée sur les données pour récupérer des modèles capillaires à partir d'images d'entrée. Un ensemble de données comprenant des modèles capillaires 3D et des rendus d'images correspondants est fourni à cette fin. Augmenter cet ensemble de données et identifier des représentations efficaces des cheveux pour le traitement constituent des défis supplémentaires dans cette recherche.

This PhD research focuses on the challenging problem of capturing and modeling the dynamics of human hair, an area still relatively unexplored within the research community. Existing approaches, such as multi-view stereo reconstructions and deep learning strategies, have primarily focused on recovering static hair representations from images. The first task involves selecting a suitable representation for dynamic hair models. The second task focuses on developing a data-driven approach to recover hair models from input images. A dataset comprising 3D hair models and corresponding image renderings is provided for this purpose. Augmenting this dataset and identifying effective representations of hair for processing constitute additional challenges in this research.