« Éclaboussure de gaussiennes » : différence entre les versions

Dernière version du 18 décembre 2024 à 10:47

Définition

Technique d'infographie basée sur l’apprentissage profond pour créer des modèles 3D photoréalistes à partir de plusieurs images 2D.

Compléments

Cette technique, inventée vers la fin de 2023, s’apparente aux champs de rayonnement neuronaux (CRNe, en anglais, NeRF) qui fonctionnent en projetant des images 2D en 3D alors que les éclaboussures de gaussiennes font le processus inverse.

En gros, on prend plusieurs photos d'un objet pour former un nuage 3D de points. Il en résulte que les points de la scène sont déjà bien positionnés dans l’espace. Puis à chaque point l’algorithme associe une goutte (splat) ou gaussienne 3D (la fameuse distribution de Gauss ou distribution normale en forme de cloche, mais en 3D). Puis l’algorithme projette ces gouttes vers des images 2D et vérifie que la forme et la couleur correspondent aux vraies images. Le cas échéant, un algorithme d’apprentissage profond modifie itérativement les paramètres des gaussiennes pour correspondre aux images réelles. Le résultat final est un modèle 3D réaliste.

Français

éclaboussure de gaussiennes

projection de gaussiennes

éclatement gaussien

projection de gouttes gaussiennes

Anglais

dynamic gaussian splatting

gaussian splatting

Sources

Pixcap (2024), Guide de l'éclatement gaussien en 3D et de la création d'un éclatement gaussien

Sridhar (2024), Rendu neuronal pour la représentation humaine en 3D avec des caractéristiques biomécaniques

ELMTEC (sans date), Chaos V-Ray 7 pour SketchUp : le nouveautés

Janusch Patas (2023)

@@ Ligne 3 : / Ligne 3 : @@
 ==Compléments==
-Cette technique,inventée vers la fin de 2023, s’apparente aux [[Champ de rayonnement neuronal|champs de rayonnement neuronaux]] (CRN, en anglais, NeRF) qui fonctionnent en projetant des images 2D en 3D alors que les éclaboussures de gaussiennes font le processus inverse.
+Cette technique, inventée vers la fin de 2023, s’apparente aux [[Champ de rayonnement neuronal|champs de rayonnement neuronaux]] (CRNe, en anglais, NeRF) qui fonctionnent en projetant des images 2D en 3D alors que les éclaboussures de gaussiennes font le processus inverse.
-En gros, on prend plusieurs photos d'un objet pour former un nuage 3D de points. Il en résulte que les points de la scène sont déjà bien positionnés dans l’espace. Puis à chaque point l’algorithme associe une goutte (splat) ou gaussienne 3D. Puis l’algorithme projette ces gouttes vers des images 2D et vérifie que la forme et la couleur correspondent aux vraies images. Le cas échéant, un algorithme d’apprentissage profond modifie itérativement les paramètres des gaussiennes pour correspondre aux images réelles. Le résultat final est un modèle 3D très réaliste.
+En gros, on prend plusieurs photos d'un objet pour former un nuage 3D de points. Il en résulte que les points de la scène sont déjà bien positionnés dans l’espace. Puis à chaque point l’algorithme associe une goutte (splat) ou gaussienne 3D (la fameuse distribution de Gauss ou distribution normale en forme de cloche, mais en 3D). Puis l’algorithme projette ces gouttes vers des images 2D et vérifie que la forme et la couleur correspondent aux vraies images. Le cas échéant, un algorithme d’apprentissage profond modifie itérativement les paramètres des gaussiennes pour correspondre aux images réelles. Le résultat final est un modèle 3D réaliste.
 ==Français==
 '''éclaboussure de gaussiennes'''
+'''projection de gaussiennes'''
 '''éclatement gaussien'''
-'''projection de gouttes gaussiennes dynamiques'''
+'''projection de gouttes gaussiennes'''
 ==Anglais==
 '''dynamic gaussian splatting'''
+'''gaussian splatting'''
 ==Sources==
@@ Ligne 27 : / Ligne 31 : @@
 [https://github.com/MrNeRF/awesome-3D-gaussian-splatting Janusch Patas (2023)]
-[[Catégorie:Publication]]
+[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
+{{DEFAULTSORT: eclaboussure de gaussiennes}}

« Éclaboussure de gaussiennes » : différence entre les versions