Single-view 3D reconstruction of curves
Reconstruction de courbes 3D à partir d'une seule vue
Résumé
The computer graphics field has made significant advancements in areas such as rendering and animation. However, a key challenge remains in accurately capturing users’ intentions for 3D modeling in a simple and intuitive manner. One particularly challenging aspect is drawing 3D curves within a 2D input device. These curves are crucial in various applications such as defining the trajectories of moving objects or modeling 3D objects. Several works have been proposed to address this problem, such as changing perspectives or requiring the artist to draw the shadow of the curve. However, most of these methods pose some constraints to the artists, leading to reduced efficiency. In this thesis, our ultimate goal is the 3D reconstruction of planar polygonal curves, including circular helices, Euler spirals, and hand-drawn curves, using multiple approaches. Motivated by the advancements of machine learning techniques, we employ these methods to perform the 3D reconstruction of circular helices. Building on this, we then extended our investigation to a more general family of curves, specifically, the Euler spirals. The limitation of machine learning techniques in the reconstruction of such curves led us to adopt a different methodology. We employ a piecewise curve-matching approach to generate the reconstructed 3D Euler spiral curve. Finally, we introduced a novel approach that can perform the 3D reconstruction of various input curves by minimizing the curvature variance of the reconstructed curve. All methods used in the different approaches were evaluated against synthetic and hand-drawn curves.
L'infographie a fait des progrès significatifs dans des répétition tels que le rendu et l'animation. Cependant, un défi majeur demeure dans la capture précise des intentions des utilisateurs pour la modélisation 3D d'une manière simple et intuitive. Un aspect particulièrement difficile est de dessiner des courbes 3D d'un périphérique d'entrée 2D. Ces courbes sont cruciales dans diverses applications telles que la définition de trajectoires d'objets en mouvement ou la modélisation d'objets 3D. Plusieurs travaux ont été proposés pour résoudre ce problème, comme changer de perspective ou demander à l'utilisateur de dessiner l'ombre de la courbe. Cependant, la plupart de ces méthodes posent certaines contraintes qui affectent leur efficacité. Dans cette thèse, notre objectif ultime est la reconstruction 3D de courbes polygonales planes, y compris les hélices circulaires, les spirales d'Euler et les courbes dessinées à la main, en utilisant plusieurs approches. Nous utilisons les techniques d'apprentissage automatique pour effectuer la reconstruction 3D d'hélices circulaires. Sur cette base, nous avons ensuite étendu notre enquête à une famille plus générale de courbes, en particulier les spirales d'Euler. Nous utilisons une approche d'appariement de courbes par morceaux pour générer la courbe en spirale d'Euler 3D reconstruite. Enfin, nous avons introduit une nouvelle approche qui peut effectuer la reconstruction 3D de diverses courbes d'entrée en minimisant la variance de courbure de la courbe reconstruite. Toutes les méthodes utilisées dans les différentes approches ont été évaluées par rapport à des courbes synthétiques et dessinées à la main.
Origine : Version validée par le jury (STAR)