| Titre : | Utilisation de Pix2Pix pour simuler l'occlusion ambiante dans l’infographie graphique |
| Auteurs : | AYOUB GUETTAL, Auteur ; Abd El Mounène Zerari, Directeur de thèse |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2024 |
| Format : | 1 vol. (77 p.) / ill., couv. ill. en coul / 30 cm |
| Langues: | Français |
| Mots-clés: | Occlusion ambiante dans l’espace d’´ecran (SSAO), deep learning, r´eseaux de neurones convolutifs(CNN), r´eseaux antagonistes g´en´eratifs (GAN), Traduction image `a image (Pix2Pix) |
| Résumé : |
L’occultation ambiante cherche `a reproduire avec pr´ecision l’´eclairage global en temps r´eel,permettant ainside rendre les d´etails de la sc`ene 3D avec des ombres douces. Cependant, son utilisation requiert l’utilisationde G-Buffers, ce qui limite son application dans des sc´enarios n´ecessitant des changementsinteractifs dans lasc`ene virtuelle.Par ailleurs, l’occultation ambiante peut ˆetre simul´ee de mani`ere r´ealiste grˆace `a l’utilisation de mod`elesg´en´eratifs tels que latraduction d’image `a image, un r´eseau de neurones profonds. Ce mod`ele est entraˆın´esur un ensemble de donn´ees contenant des paires d’images avec et sans occultation ambiante, lui permettant
ainsi d’apprendre `a reproduire de fa¸con convaincante les effets visuels de l’occultation. Dans ce contexte, ce m´emoire propose de calculer l’occultation ambiante `a l’aide d’un mod`ele g´en´eratif. Nousavons ainsi cr´e´e un ensemble de donn´ees comportant 10 000 images de synth`ese et developp´e un mod`elecapable de g´en´erer l’occultation ambiante.La simulation de l’occultation ambiante par pix2pix marque uneavanc´ee importante dans le domaine dela mod´elisation des effets visuels, ouvrant ainsi de nouvelles perspectives pour cr´eer des simulations plusr´ealistes et immersives. Cela permet ´egalement d’aborder les d´efis li´es `al’entraˆınement et `a l’optimisationdes mod`eles pix2pix pour cette tˆache s´ecifique. Les exp´erimentations montrent que notre technique peutg´en´erer des images de haute qualit´e et nettes. |
| Sommaire : |
Table des mati`eres VI Table des figures IX Liste des tableaux XII Introduction G´en´erale 14 I Occlusion Ambiante 16 I.1 Introduction . . . . . . . 17 I.2 Lumi`ere ambiante . . . . . . 17 I.3 L’occlusion ambiante . . .. . 18 I.4 Diff´erence entre l’occlusion ambiante et les ombres port´ees . .. . 22 I.5 Travaux connexes . . . . . . 22 I.5.1 Occlusion ambiante de l’´ecran-espace . . . .. . 23 I.5.1.1 Avantages . 23 I.5.1.2 Inconv´enients . 24 I.5.2 HBAO :Horizon-Based Ambient Occlusion . . 24 I.5.2.1 Avantages . . 25 I.5.2.2 Inconv´enients . 25 I.5.3 HDAO :High Definition Ambient Occlusion . . . 26 I.5.3.1 Avantages . . . . . . . . 26 I.5.3.2 Inconv´enients . . . 27 I.5.4 VXAO :Voxel Accelerated Ambient Occlusion . . 27 I.5.4.1 Avantages . . . . . 28 I.5.4.2 Inconv´enients . . . 28 I.6 Ray tracing . . . . . . 28 I.7 L’intelligence artificielle au Service de l’Occlusion Ambiante . . . 29 I.8 Exploration de la R´ealit´e Virtuelle pour l’Occlusion Ambiante .. . 29 I.9 Bilan . . . . . . . 29 I.10 Conclusion . . . . .. . 31 II Apprentissage automatique 32 II.1 Introduction . . . . .. . 33 II.2 Concept d’apprentissage automatique . 33 II.3 Types d’algorithmes d’apprentissage automatique .. 34 II.3.1 Apprentissage supervis´e .. . . 35 II.3.2 Apprentissage non supervis´e . 35 II.3.3 Apprentissage par renforcement . .. 36 II.3.4 Apprentissage profond . . . . . 36 II.4 R´eseau de neurones artificiels (ANN) . . 37 II.5 Convolution Neural Network . . . 38 II.5.1 Principe du CNN . . . . 38 II.5.2 Les dimensions du CNN . . 38 II.5.3 Les principaux composants du CNN . . . 39 II.5.3.1 1D Convolutional layers . 39 II.5.3.2 Fully connected layers (FC) .. 40 II.5.3.3 Dropout layers . 40 II.5.4 Architecture . . . . 40 II.5.5 Param`etres du CNN . .. . 41 II.6 Mod`eles g´en´eratifs . .. . . 42 II.6.1 Auto-encodeur variationnel . . . . . 42 II.6.2 R´eseaux contradictoires g´en´eratifs . .. . . . 43 II.6.2.1 Architecture d’un r´eseau GAN . . . 44 II.6.2.1.a Le g´en´erateur . . . . 45 II.6.2.1.b Le discriminateur . . .. 45 II.6.3 Fonctions de perte dans les GAN . . II.6.4 Les avantages de GAN . . .. . 47 II.6.5 Les inconv´enients de GAN . . 48 II.6.6 L’´evolution des mod`eles GAN .. 48 II.6.7 L’´evolution de la structure des GAN . . . . 49 II.6.7.1 Conditionnel G´en´eratif R´eseau (CGAN) . . 49 II.6.7.2 R´eseaux contradictoires g´en´eratifs `a convolution profonde .. 50 II.6.8 Applications de (GAN) . . 51 II.6.8.1 Applications . .. . 52 II.6.8.2 CycleGAN . . . .. 52 II.6.9 Traduction d’image `a image . . .. . 54 II.6.9.1 Principe de Pix2Pix . . . .. 55 II.6.9.2 G´en´erateur U-net . . .. 55 II.6.9.3 Discriminateur PatchGAN . . 56 II.6.9.4 G´en´erateur Loss .. 56 II.7 Synth`ese des travaux . . . . 56 II.8 Les travaux ant´erieurs . . . . 57 II.9 Bilan des M´ethodes de G´en´eration d’Occlusion Ambiante Bas´ees sur les R´eseaux de Neurones 58 II.10 Conclusion . . . . . 60 IIIConception, impl´ementation et r´esultats 61 III.1 Introduction . . .. . . . 62 III.2 Pix2pix GAN . . . .. . 62 III.3 Environnement de d´eveloppement . . . 63 III.3.1 Google Colab . . 63 III.3.2 Le processeur graphique . . . 63 III.3.3 Python . . . .. 64 III.4 Description des biblioth`eques utilis´ees . . . . 64 III.4.1 Pandas . . . . . 64 III.4.2 NumPy . . . . 64 III.4.3 Matplotlib . . . . 64 III.4.4 OpenCV . . . . . 64 III.4.5 TensorFlow . . . . . 65 III.4.6 Keras . . . . 65 III.5 Architecture du syst`eme propos´ee . . . . . 65 III.5.1 Description . . 66 III.6 L’ensemble de donn´ees utlilis´ees . . . 67 III.7 Algorithme pix2pix . . . . 67 III.8 Discussion et r´esultats . .. . . 79 III.8.1 Concept de base . . . . 79 III.8.1.1 Outils et mat´eriels utilis´es . . 79 III.8.1.2 Les param`etres du Pix2Pix . . 79 III.8.2 Tests et ´evaluation . . . 80 III.8.3 R´esultats et comparaison . . 82 III.9 Conclusion . . . . 99 Conclusion G´en´erale 100 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/870 | Mémoire master | bibliothèque sciences exactes | Consultable |
