offres d'emploi formations actualités contact accès annuaire intranet
Thèses >

Utilisation de critères perceptifs pour la détermination d’une condition d’arrêt dans les méthodes d’illumination globale

Nawel Takouachet - manuscrit

jeudi 29 janvier 2009 à 14h00


La thèse s’intéresse aux modèles de rendu réaliste en synthèse d’images, en particulier aux algorithmes non-biaisés d’illumination globale. Leur intérêt est de calculer précisément une solution d’illumination qui permet notamment de produire des images réalistes basées sur les interactions complexes entre lumière et matériaux. Cependant ces modèles sont soumis à la présence de bruit visuel, du fait de la nature stochastique des méthodes sur lesquelles elles reposent. Ce bruit s’atténue avec l’augmentation du nombre d’échantillons utilisé, ce qui conduit généralement à des temps de calculs très importants. Dans le cadre de cette thèse, nous nous sommes intéressés à la recherche d’un critère d’arrêt automatique de ces algorithmes, sur la base de critères perceptifs permettant de déterminer la présence ou non de bruit visible. L’intérêt est alors de disposer d’une méthode d’arrêt de l’algorithme indépendante de l’utilisateur et, implicitement, de réduire les temps de calcul en stoppant l’algorithme dès que la convergence visuelle est détectée.

Après un tour d’horizon des différentes méthodes employées pour le rendu d’image dans le cadre de la simulation des interactions lumineuses, le problème de l’intégration des modèles perceptifs est envisagé. Il s’agit d’utiliser les connaissances établies sur le système visuel humain afin de guider des algorithmes de rendu d’images.

Dans un second temps, deux méthodologies sont proposées, reposant respectivement sur l’utilisation d’un modèle de perception et d’un modèle d’apprentissage supervisé. Ces deux approches sont calibrées à partir de données expérimentales obtenues auprès d’observateurs humains. Nous montrons que ces deux approches fournissent des résultats proches de ceux issus des expérimentations et permettent d’obtenir des images perceptivement correctes de manière automatique. Une comparaison entre ces deux méthodes montre que celle reposant sur l’apprentissage est plus avantageuse en terme de coût (calcul, mémoire) et permet une répartition différenciée des efforts de calcul au travers des images, en se focalisant sur les zones qui laissent apparaître du bruit visuel.