Génération intelligente de modèles procéduraux par prospection des paramètres du L-système

Résumé

La modélisation procédurale est la solution alternative d’excellence à l’utilisation excessive des ressources à la fois en terme humain d’infographiste 3D mais aussi en ressources matérielles. Les nouvelles techniques des deux dernières décades répondent assez bien aux besoins requis dans la modélisation de scènes complexes. Le contrôle sur les objets modélisés constitue un constant défi afin d’éviter les motifs récurrents engendrés par les L-systèmes appliqués à la modélisation d’arbres. Dans cet esprit, ce mémoire propose un ensemble d’outils procéduraux permettant d’éditer des arbres suivant des critères perceptuels. Notre démarche consiste à s’appuyer sur une étude avec des participants afin d’automatiser l’ajustement des paramètres de L-systèmes, de sorte que les arbres résultants soient pertinents pour les utilisateurs. Sept grammaires L-système ont été utilisées pour l’étude. Les propriétés géométriques et topologiques de chaque grammaire vont constituer un système de métriques, que nous inspectons pendant les variations des paramètres des grammaires. Afin d’identifier les arbres les plus intéressants, les différences entre l’arbre initial et les arbres générés sont évaluées dans une analyse en composantes principales. Les tests ont établi une corrélation entre la pertinence des arbres générés et leurs emplacements dans l’espace des vecteurs caractéristiques des analyses de différence. Les expérimentations ont été effectuées pour acquérir des informations sur les relations entre les paramètres et les métriques, afin de proposer des modèles d’arbres pertinents pour les utilisateurs. Outre l’établissement d’un système de métriques dans le but d’évaluer et de comparer mathématiquement les arbres, ce projet contribue à la littérature en proposant une sélection intelligente basée sur les historiques de dérivation. Les utilisateurs modifient l’arbre en effectuant des sélections à partir desquelles la méthode de sélection intelligente peut inférer le nombre de regénération à faire sur chaque sous ensemble sélectionné de l’arbre. Les aperçus des modifications relatives à chaque qualificatif sont conjointement proposés aux utilisateurs pour faciliter les retouches sur l’arbre. Les résultats démontrent que notre approche permet d’identifier une riche variété d’arbres 3D en se basant sur la mesure des différences des arbres.

Date	20 févr. 2017
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Eric Paquette (Directeur(-trice))