Progressive Shape Models

Antoine Letouzey 1, * Edmond Boyer 1
* Auteur correspondant
1 MORPHEO - Capture and Analysis of Shapes in Motion
Inria Grenoble - Rhône-Alpes, LJK - Laboratoire Jean Kuntzmann, INPG - Institut National Polytechnique de Grenoble
Résumé : Dans cet article nous nous concentrons sur un problème récurrent des systèmes d'acquisition 4D : l'apprentissage de la géométrie et de la topologie d'une scène déformable à partir d'une séquence temporelle de maillages. Il s'agit d'une étape fondamentale dans le traitement de scènes naturelles et dynamiques. Tandis que de nombreux travaux ont été menés pour la reconstruction de scènes statiques, assez peu considèrent le cas de scènes dynamiques dont la topologie évolue et sans connaissances \apriori. Dans cette situation, une simple observation à un unique instant de temps n'est souvent pas suffisante pour retrouver entièrement l'information de topologie propre à la scène observée. Il semble ainsi évident que les indices sur la forme doivent être accumulés intelligemment sur une séquence complète afin d'acquerir une information aussi complète que possible sur la topologie de la scène et permettre l'apprentissage d'un modèle cohérent à la fois spatialement et temporellement. A notre connaissance cela semble un problème nouveau pour lequel aucune solution formelle n'a été proposée. Nous formulons dans cette thèse un principe de solution basé sur l'hypothèse que les objets composant la scène observée possèdent une topologie fixe. A partir de cette hypothèse de base nous pouvons progressivement apprendre la topologie et en parallèle capturer les déformations d'une scène dynamique. Les travaux présentés dans cette partie visent à retrouver une information de basse fréquence sur la géométrie de la scène. En l'état actuel, la méthode que nous proposons ne peut pas être directement utilisée pour accumuler les informations de bas niveau (détails de la surface) sur une séquence de maillages.
Type de document :
Communication dans un congrès
CVPR - Computer Vision and Patern Recognition - 2012, Jun 2012, Providence, United States. IEEE, pp.190-197, 2012, 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). <10.1109/CVPR.2012.6247675>
Liste complète des métadonnées



https://hal.inria.fr/hal-00677506
Contributeur : Antoine Letouzey <>
Soumis le : vendredi 8 janvier 2016 - 10:49:35
Dernière modification le : dimanche 17 janvier 2016 - 21:26:29
Document(s) archivé(s) le : vendredi 15 avril 2016 - 17:40:24

Fichiers

Licence


Distributed under a Creative Commons Paternité - Pas d'utilisation commerciale - Partage selon les Conditions Initiales 4.0 International License

Identifiants

Collections

Citation

Antoine Letouzey, Edmond Boyer. Progressive Shape Models. CVPR - Computer Vision and Patern Recognition - 2012, Jun 2012, Providence, United States. IEEE, pp.190-197, 2012, 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). <10.1109/CVPR.2012.6247675>. <hal-00677506>

Partager

Métriques

Consultations de
la notice

409

Téléchargements du document

679