En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Reconstruction d'objets déformables à partir de vues multiples [H/F].

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : jeudi 25 août 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Référence : UMR5205-SHAPAR-001
Lieu de travail : VILLEURBANNE
Date de publication : jeudi 4 août 2022
Nom du responsable scientifique : Shaifali Parashar, Liming Chen
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 novembre 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

La reconstruction de la forme 3D d'objets à partir d'images multiples est un objectif important de la vision par ordinateur et a été largement étudiée pour les objets rigides et non rigides (ou déformables). Structure-from-Motion (SfM) est un algorithme qui effectue la reconstruction 3D d'objets rigides en utilisant le mouvement visuel inter-images à partir de plusieurs images obtenues à partir d'une caméra en mouvement. SfM est une solution très précise et stable. La reconstruction 3D déformable a cependant été largement étudiée pour les images monoculaires (obtenues à partir d'une seule caméra) et reste encore un problème de recherche ouvert. Il implique une modélisation supplémentaire des déformations ce qui le rend assez compliqué. De nombreuses stratégies ont été développées au cours des 30 dernières années, allant des approximations statistiques aux approximations physiques (longueurs contraignantes et autres grandeurs métriques), toutes dépourvues d'une manière concrète et mathématique de formuler les déformations.
Dans nos travaux récents[1,2,3], nous avons montré que le découpage d'une scène déformable en plans infinitésimaux permet de considérer les déformations comme des fonctions linéaires ce qui conduit à des solutions simples et rapides à leur reconstruction par images. Cela a apporté une amélioration substantielle à l'état de l'art en termes de complexité, de précision et de robustesse[3]. En outre, il fournit un cadre mathématique qui combine différents types de modélisation de déformation, allant de l'isométrie (objets en papier) [1,3] à l'élasticité [2,4], en utilisant des structures locales simples qui préservent la longueur, la surface, les angles et le lissé. .
Dans ce projet, nous allons étendre les méthodes locales pour les mettre au même niveau que leurs homologues rigides. Cela implique de réduire la complexité de calcul de l'enregistrement d'image, du calcul de profondeur et d'inclure plusieurs contraintes de vue pour simplifier les contraintes de déformation [4]. Nous explorerons les formulations géométriques qui peuvent permettre des contraintes supplémentaires pour simplifier le problème afin d'aboutir à des solutions génériques, robustes et temps réel.

[1] Parashar et al, TPAMI 2017. Isometric Non-Rigid Shape-from-Motion with Riemannian Geometry in Linear Time.
[2] Parashar et al, TPAMI 2018. Local Deformable Reconstruction Using Cartan's connections.
[3] Parashar et al, TPAMI 2021. Robust Isometric Non-Rigid Shape-from-Motion.
[4] Parashar et al, CVPR 2020. Local Non-Rigid Shape-from-Motion from Diffeomorphic Mappings.

Contexte de travail

L'équipe Imagine du laboratoire LIRIS, Lyon- France recherche un(e) doctorant(e) pour travailler sur la reconstruction 3D déformable à partir de vues multiples. Le but de ce projet est de développer des algorithmes de reconstruction rapide.

La thèse sera encadrée par le Prof. Liming Chen (liming.chen@ec-lyon.fr) et Shaifali Parashar (shaifali.parashar@liris.cnrs.fr) .

Conditions:
1. Maîtrise en vision par ordinateur, robotique, apprentissage automatique, mathématiques ou tout domaine lié au sujet
2. Solides compétences en programmation en C++ et python
3. Anglais courant

Contraintes et risques

N/A

Informations complémentaires

Cette thèse est soutenue par le projet RHINO (ANR JCJC 2022).

On en parle sur Twitter !