Ma recherche s'est principalement orientée vers du Rendu, c'est à dire de la synthèse d'image. Je travaille au laboratoire LIRIS, dans l'équipe R3am. Lors de mes expériences de recherche, j'ai eu l'occasion de travailler avec diverses personnes
-
Jean Philippe Farrugia (stage Master)
Jean Claude Iehl (stage Master)
David Coeurjolly (Best co-encadrant de these ever)
Victor Ostromoukhov (Directeur de These)
Jeremy Levallois
Abdallah Gafar
Doctorat
Lorsque l’on affiche un objet 3D sur un écran d’ordinateur, on transforme cet objet en une image, c.a.d en un ensemble de pixels colorés. On appelle Rendu la discipline qui consiste à trouver la couleur à associer à ces pixels. Calculer la couleur d’un pixel revient à intégrer la quantité de lumière arrivant de toutes les directions que la surface renvoie dans la direction du plan image, le tout pondéré par une fonction binaire determinant si un point est visible ou non.
Malheureusement, l’ordinateur ne sait pas calculer des intégrales on a donc deux méthodes possibles :
-
Trouver une expression analytique qui permet
de supprimer l’intégrale de l’équation (ap-
proche basée statistique).
Approximer numériquement l’équation en tirant des échantillons aléatoires dans le do-
maine d’intégration et en en déduisant la valeur de l’intégrale via des méthodes dites de
Monte Carlo.
Nous nous sommes ici intéressés à l’intégration numérique et à la théorie de l’échantillonnage. L’échantillonnage est au coeur des problé- matiques d’intégration numérique. En informatique graphique, il est capital qu’un échantillonneur génère des points uniformément dans le domaine d’échantilonnage pour garantir que l’intégration ne sera pas biaisée. Il faut également que le groupe de points généré ne présente aucune régularité structurelle visible, au risque de voir apparaître des ar- tefacts dit d’aliassage dans l’image résultante. De plus, les groupes de points générés doivent minimiser la variance lors de l’intégration pour converger au plus vite vers le résultat. Il existe de nom- breux types d’échantillonneurs que nous classeront ici grossièrement en 2 grandes familles :
-
Les échantillonneurs bruit bleu, qui ont une
faible la variance lors de l’intégration tout
en générant de groupes de points non struc-
turés. Le défaut de ces échantillonneurs est
qu’ils sont extrêmement lents pour générer les
points.
Les échantillonneurs basse discrépance, qui
minimisent la variance lors de l’intégration,
génèrent des points extrêmement vite, mais
qui présentent une forte structure, générant
énormément d’aliassage.
Notre premier projet a été la réalisation d'un échantillonneur qui soit à la fois bruit bleu et basse discrépance. Cet échantillonneur fonctionne en permutant indépendamment les coordonnées x et y d'un ensemble basse discrépance pour rapprocher son organisation spatiale d'une organisation cible, ici du bruit bleu stratifié. Ce travail a été publié à SIGGRAPH Asia 2016.
[GPC*16] Gafar, A., Perrier, H., Coeurjolly, D., Ostromoukhov, V., Guo, J., Yan, D., Huang, H., Deussen, O. Low Discrepancy Blue Noise Sampling. In ACM Transactions on Graphics (Proceedings of ACM SIGGRAPH Asia 2016).
Slides de la présentation lors du GT Rendu du 16/02/2017 (in english)