Textures, Rendu et Visualisation

Personnel

Enseignants-Chercheurs – 2,25 ETPR : Rémi Allègre (MC), Jean-Michel Dischler (PR), Jonathan Sarton (MC), Basile Sauvage (PR) Ingénieur : Sylvain Thery (IR) Doctorants : Vinojan Rajendiran (2023-2026), Romain Fournier (2022-2025), Erwan Duhamel (2021-2024), Guillaume Baldi (2020-2024), Charline Grenier (2020-2024)

Objectifs

Une partie des activités de ce thème porte sur la génération procédurale de textures. Les textures sont des images qui encodent le comportement lumineux (couleur, brillance, etc.), et que l’on appose à la surface des objets 3D dans une scène virtuelle. Elles servent ensuite à faire le « rendu » de la scène, c’est- à-dire calculer les images de synthèse. La génération procédurale consiste à élaborer des processus de calcul à faible coût de stockage, calculables en parallèle (sur cartes graphiques), et de manière multi- échelle (en temps constant, quelle que soit l’échelle d'observation). Ces travaux sont à la confluence de la modélisation en informatique graphique, de la simulation (du transport lumineux), et du traitement du signal.

1. Un axe de recherche concerne le rendu de matériaux complexes (i.e scintillants, ou iridescents). Dans ce cadre nous continuons de collaborer avec le Karlsruhe Institüt für Technologie.

2. Un autre axe s’intéresse à l’interaction entre l’apparence et la forme des objets. En particulier la génération de texture directement sur la surface des objets 3D est l’occasion de collaborer en interne à l’équipe IGG, avec les collègues spécialistes de la géométrie.

3. Un troisième axe concerne la résolution de problèmes inverses à partir de nos méthodes de génération procédurale, c’est-à-dire l’estimation des paramètres des processus de calcul à partir d’images en entrée. Il s’agit pour cela de monter en compétences dans le domaine de l’IA (apprentissage automatique), tout en poursuivant la collaboration initiée avec les collègues de l’équipe Sciences des Données et Connaissances.

4. Enfin, nous poursuivons et développons les activités liées à l’augmentation de données pour l’entraînement de modèles d’apprentissage profond, avec pour application l’imagerie médicale, en particulier pour l’imagerie histopathologique, où la capacité à générer des images artificielles ressemblant à des images réelles de tissus biologiques est un enjeu crucial. Ces activités sont menées avec l’équipe Sciences des Données et Connaissances.

De plus, de nouvelles activités autour de la visualisation scientifique, en particulier dans des environnements de calcul haute performance, viennent renforcer ce thème. Ici, nous souhaitons renforcer les collaborations déjà existantes (dans le cadre de l'ANR Lum-Vis) avec le laboratoire de mathématiques IRMA, pour la visualisation de maillages non-structurés issus de simulation numériques à grande échelle. Il s'agit d'aborder les aspects de la visualisation in-situ ou encore du rendu volumique de maillages complexes (topologie, géométrie, multi-variés, variant dans le temps, non-linéaire) et de grande dimension.

Projets

ANR LUM-Vis Visualization is a tool that is getting more and more widespread, and has become essential today in almost every scientific fields. It is embedded in most experimentation workflows, at different levels. Visualization tools are used to analyze datasets or extract information from them, to guide phenomenon modeling, to validate or invalidate models or as a tool for evaluating experimental results. We intend to overcome classical direct volume visualisation of AMR data issues to establish GPU- based modern volume ray-casting as a reliable tool for in-situ visualization of large-scale simulation that produces large and complex volume data. PhD thesis of Vinojan Rajandiran.

ANR ArtIC : Artificial Intelligence for Care. PhD thesis of Guillaume Baldi.

ANR-DFG ReProcTex Rendering procedural textures for huge digital world is a joint research project between two research groups in computer graphics, at University of Strasbourg (France) and at Karlsruhe Institute of Technology (Germany). Current virtual worlds are huge. See for example virtual film sets, cultural heritage visualization, or planet-sized landscapes explorers (like Google Earth). The management (i.e. creation, editing, storage, transfer, processing and rendering) of large amounts of 3D data is a serious issue in graphics applications. We propose a new workflow, where the generation of scenes and textures is tightly coupled with rendering. PhD thesis of Charline Grenier.

ANR HDWorlds Huge Digital Worlds. Producing massive 3D models representing large scale virtual worlds with a high level of details is a major challenge in computer graphics. In industry as well, there is a strong demand for providing efficient algorithms to reduce manual authoring tasks. Procedural modeling and texturing (PMT) is known to provide a good solution to the scalability problem: it has excellent compression properties, it can produce large amounts of data with low user efforts and, by using stochastic processes, it can produce almost infinite varieties of data, based on a reduced set of parameters. In spite of all of these advantages, PMT still does not offer a suitable alternative to manual modeling, mainly because it is difficult to control, and because ensuring realism at various scales is a hard task. The goal of the HDWorlds research project is to overcome these limitations