Utilisation de critères perceptifs pour la déterminatin d'une condition d'arrêt dans les méthodes d'illumination globale

par Nawel Takouachet

Thèse de doctorat en Informatique

Sous la direction de Christophe Renaud et de Samuel Delepoulle.

Soutenue en 2009

à Littoral .


  • Résumé

    La thèse s’intéresse aux modèle 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. 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 utilisés, 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. Après un tour d’horizon des différentes méthodes employées pour le rendu d’image, 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. 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.

  • Titre traduit

    Using perceptual criteria as a stopping condition for global illumination methods


  • Résumé

    The thesis focused on modelsnof realistic images rendering, especially unbiased algorithms of global illumination. Their interest is to calculate precisely illumination solution which allows to produce realistic images. However, these methods are prone to visual noise du to the stochastic nature of the underlying methods. This noise can be reduced by increasing the number of computed samples but simultaneously increasing the computation times. In this thesis we have been interested in searching for automatic stopping criteria for these algorithms. More specifically we focused of perceptual criteria allowing visible noise to be detected through any image. After an overview of the different methods used to render images, the problem of the integration of the perceptual models is considered. We use knowledge of the human visual system to guide image rendering algorithms. In a second step, two methodologies are proposed. They are based respectively on a human visual model and a supervised learning approach. We calibrate these two methods through experimental data obtained from human observers. By comparing our two methods we show that one based on supervised learning has more advantages : it requires less additional memory and computation can be distributed heterogeneously across the image, focusing on noisy areas.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (vi-163 p.)
  • Annexes : Bibliogr. p. 153-163.

Où se trouve cette thèse ?

  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Disponible pour le PEB
  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Consultable sur place dans l'établissement demandeur
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.