Thèse Synthèse Interactive de Motifs Basée sur l'Apprentissage Profond H/F - 75

Établissement : Institut Polytechnique de Paris Télécom Paris
École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris
Laboratoire de recherche : Laboratoire de Traitement et Communication de l'Information
Direction de la thèse : Amal Dev PARAKKAT ORCID 0000000275543291
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-06-15T23:59:59En infographie, les motifs jouent un rôle fondamental, faisant le lien entre la géométrie abstraite et le réalisme visuel. Cette technique est largement utilisée dans le milieu pour peupler de vastes environnements virtuels de détails riches tout en contournant le goulot d'étranglement que représente la création manuelle de contenu. Par exemple, la création d'un paysage réaliste nécessiterait une quantité énorme de détails microgéométriques, ce qui est assez fastidieux à modéliser manuellement. À mesure que les mondes numériques prennent de l'ampleur, des jeux en monde ouvert tentaculaires aux simulations cinématiques haute fidélité, il devient physiquement et économiquement impossible pour les artistes de modéliser manuellement chaque détail mineur, comme les brins d'herbe, les pierres, les fibres de tissu, etc. La synthèse de motifs répond à ce défi en fournissant des cadres capables de partir d'un petit exemple ou d'un ensemble de règles pour générer une scène infinie, non répétitive et visuellement cohérente. Outre son intérêt du point de vue de la modélisation, cette approche est également pertinente pour la gestion de la mémoire, car les détails requis peuvent être générés à la volée au fur et à mesure que la caméra se déplace, plutôt que d'enregistrer et de traiter des textures haute résolution.

La pertinence de la synthèse va au-delà de la simple répétition ; elle requiert une intelligence sémantique et structurelle. Grâce aux avancées récentes, les motifs ne sont plus de simples textures en 2D, mais des représentations complexes à plusieurs niveaux, et leur synthèse doit garantir que ces motifs restent cohérents à différentes échelles et dans différents espaces topologiques. Alors qu'elle a été largement étudiée en infographie, principalement pour les motifs ponctuels et les formes structurées, la synthèse de motifs pour les formes 3D est devenue possible grâce aux récentes techniques d'apprentissage profond, car une analyse plus approfondie et plus riche de la structure est nécessaire pour une synthèse fiable. La capacité à comprendre et à simuler un chaos organisé fondé sur des exemples fournis par l'utilisateur permet à une image ou une forme générée par ordinateur de paraître réaliste, ce qui la rend indispensable pour la fabrication computationnelle, la modélisation de formes et les effets spéciaux 2D/3D.

This thesis proposal addresses interactive pattern synthesis in Computer Graphics, using learned priors, i.e., we learn patterns and arrangements from simple user inputs or exemplars and use them to create/edit detailed 2D/3D shapes. The originality of this proposal is to come up with lightweight, interactive deep-learning techniques that bridge the gap between rendering, intuitive editability, and reasonable geometry.

This project is at the fence of Computer Graphics (shape modeling), deep learning (pattern/structure analysis), and Human-Computer Interaction (interactive interfaces).

Pattern synthesis and analysis are important and highly relevant topics in Computer Graphics and Geometry Processing. While 2D pattern analysis and synthesis are widely studied in the computer graphics community, they are typically based on spatial statistics, with little extension in 3D until recent deep learning-based solutions. And the current SOTA 3D generative models, such as ShapeShifter and Sin3DM, rely on learning the internal patch distribution of a single reference shape. Although such methods work well for preserving high-frequency geometric details and can generate stochastic variants, they offer limited user-intended controllability and lack mechanisms for explicit semantic control and structural editing. This limitation, however, limits the artist's ability to have precise control over specific attributes of the resulting shape (for instance, 'bend a straight brick wall along a curved user-drawn path' 'locally alter the weaving density of a piece of chainmail' or 'guide the growth direction of procedural ivy across a complex surface' without introducing severe distortions or changing the local geometric realism). The objective of this thesis is to propose a research direction for controllable, large-scale, and structurally sound pattern synthesis.