Séquences de maillages : classification et méthodes de segmentation - Archive ouverte HAL Accéder directement au contenu
Thèse Année : 2011

Mesh sequences : classification and segmentation

Séquences de maillages : classification et méthodes de segmentation

Résumé

Mesh sequences are becoming a common tool in computer graphics as can be seen in video games or medical imaging. As a consequence, mesh sequences generation’s methods have been developed. Sequences can be created using a modeler or by multicameras acquisition. These methods can generate sequences which have different properties. Moreover, different applications using mesh sequences have been proposed such as compression or pose transfer. Most of these applications require to compute a segmentation as a pre-processing step. This thesis deals with mesh sequence segmentation into rigid components. First, we formalize the notion of mesh sequence, and propose a nomenclature, allowing us to design the properties attached to each kind of mesh sequence, and to describe precisely what kind of sequence an algorithm requires as input. Next, we propose a formalization of mesh sequence segmentation by providing different definitions of segmentation.We then present mesh sequences segmentation state of the art. We then propose a first segmentation method, producing a global segmentationand taking as input a stable mesh sequence. This method is based on a region-growing process. Next, we present two segmentation methods, both based on spectral clustering and taking as input an unconstrained mesh sequence. The former method produces a set of global segmentations, while the latter generate either a global segmentation or a timevarying segmentation. We also propose a quantitative segmentation evaluation system. Finally, we provide future work leads on mesh sequence segmentation.
Les séquences de maillages sont de plus en plus utilisées. Cette augmentation des besoins entraîne un développement des méthodes de génération de séquences de maillages. Ces méthodes de générations peuvent produire des séquences de maillages de natures différentes. Le nombre d’applications utilisant ces séquences s’est également accru, avec par exemple la compression et le transfert de pose. Ces applications nécessitent souvent de calculer une partition de la séquence. Dans cette thèse, nous nous intéressons plus particulièrement à la segmentation en composantes rigides de séquences de maillages. Dans un premier temps, nous formalisons la notion de séquence de maillages et proposons donc une classification permettant de désigner quelles sont les propriétés attachées à un type de séquence, et ainsi de décrire précisément quel type de séquence est nécessaire pour une application donnée. Dans un second temps, nous formalisons la notion de segmentation de séquence de maillages, et présentons également l’état de l’art des méthodes de segmentation sur les séquences de maillages. Ensuite, nous proposons une première méthode de type globale pour les séquences stables de maillages, fondée sur la fusion de régions. Par la suite, nous présentons deux autres méthodes, reposant sur la classification spectrale. La première, produit un ensemble de segmentations globales, tandis que la seconde génère une segmentation globale ou une segmentation temporellement variable. Nous mettons également en place un système d’évaluation quantitative des segmentations. Enfin, nous présentons les différentes perspectives liées à la segmentation.
Fichier principal
Vignette du fichier
TH2011_Arcila_Romain.pdf (7.66 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-00653542 , version 1 (21-12-2011)
tel-00653542 , version 2 (05-01-2012)
tel-00653542 , version 3 (26-06-2013)

Identifiants

  • HAL Id : tel-00653542 , version 3

Citer

Romain Arcila. Séquences de maillages : classification et méthodes de segmentation. Ordinateur et société [cs.CY]. Université Claude Bernard - Lyon I, 2011. Français. ⟨NNT : 2011LYO10233⟩. ⟨tel-00653542v3⟩
848 Consultations
917 Téléchargements

Partager

Gmail Facebook X LinkedIn More