Dans l’article “Inpainting Holes in folded meshes”, récompensé d’une mention honorable à la conférence “Shape Modeling International 2023”, Guillaume Gisbert, Raphaëlle Chaine et David Coeurjolly décrivent une approche pour combler les trous du scan 3D de la surface d’un tissu quand on dispose d’une représentation maillée du bord du trou. L’approche exploite la forte développabilité des tissus pour retrouver la géométrie intrinsèque de patch manquant qui est ensuite repositionné en 3D avec des plis réalistes qui s’harmonisent parfaitement avec le bord du trou.

Dans “Implicit neural representation away from the surface”, récompensé du prix du meilleur papier, Mattéo Clémot et Julie Digne proposent une nouvelle régularisation permettant de rendre lisse le champ de gradient d’une fonction distance signée neuronale, ce qui est particulièrement important loin de la surface et en particulier proche de l’axe médian, que l’on peut alors extraire de manière fiable et robuste.