Learning Image-to-Surface Correspondence

Cette these se concentre sur le developpement demodeles de representation dense d’objets 3-D apartir d’images. L’objectif de ce travail estd’ameliorer les modeles surfaciques 3-D fournispar les systemes de vision par ordinateur, enutilisant de nouveaux elements tires des images,plutot que les annotations habituellementutilisees, ou que les modeles bases sur unedivision de l’objet en differents parties.Des reseaux neuronaux convolutifs (CNNs) sontutilises pour associer de maniere dense les pixelsd’une image avec les coordonnees 3-D d’unmodele de l’objet considere. Cette methodepermet de resoudre tres simplement unemultitude de tâches de vision par ordinateur,telles que le transfert d’apparence, la localisationde reperes ou la segmentation semantique, enutilisant la correspondance entre une solution surle modele surfacique 3-D et l’image 2-Dconsideree. On demontre qu’une correspondancegeometrique entre un modele 3-D et une imagepeut etre etablie pour le visage et le corpshumains.