| Version imprimable |
| Sensing and reconstruction of plenoptic point clouds (Représentation et reconstruction de champs de lumière sphériques à partir d'images omni-directionnelles) | ||
Freitas, Davi Rabbouni de Carvalho - (2025-05-21) / Université de Rennes, Université de Tampere (Finlande) Sensing and reconstruction of plenoptic point clouds Langue : Anglais Directeur de thèse: Guillemot, Christine; Tăbuş, Ioan Laboratoire : INRIA-RENNES Ecole Doctorale : MATISSE Thématique : Informatique | ||
Mots-clés : fonction plénoptique, nuage de points, champs de radiance, compression, Nuages de points, Imagerie tridimensionnelle, Traitement d'images -- Techniques numériques, Compression d'images Résumé : Cette thèse donne un aperçu de la fonction plénoptique et de la manière dont elle est liée aux contenus volumétriques, par le biais de représentations de scènes plénoptiques. Elle passe en revue les méthodes existantes qui introduisent cette capacité de manière explicite et implicite, sous la forme d’un nuage de points plénoptique (PPC) et de champs de radiance (RF), respectivement. Ces méthodes sont présentées du point de vue des défis qu’elles posent en termes de praticité pour les applications de diffusion en continu de contenu interactif, à savoir la taille et la vitesse. Dans un premier temps, nous avons intégré la capacité plénoptique pour le codeur MPEG basé sur la géométrie (G-PCC) en compressant les PPC à l’aide d’une combinaison des transformées linéaires sur le vecteur de couleur des différents points de vue de la caméra combinées aux codeurs d’attributs prédictifs du G-PCC. Nous abordons ensuite les inconvénients liés à la taille des implémentations de rendu en temps réel des méthodes basées sur le NeRF, en introduisant un pipeline de compression dans le modèle PlenOctrees. Ensuite, nous introduisons une méthode pour générer systématiquement des PPC et les comparer directement aux solutions RF avec des mesures conventionnelles basées sur le rendu. Enfin, nous tirons parti de la géométrie sous-jacente des modèles RF pour orienter leur élagage en vue d’une compression plus efficace. Résumé (anglais) : This thesis provides an overview of the plenoptic function and how it relates to volumetric data, through plenoptic scene representations. It reviews the existing methods that introduce such capability explicitly and implicitly, in the form of a Plenoptic Point Cloud (PPC) and Radiance Fields (RF), respectively. These are presented from the point of view of the challenges of practicality of these methods for applications of streaming for interactive content, namely the size and speed. Initially, we incorporated the plenoptic capability for MPEG’s geometry-based encoder (G-PCC) by compressing PPCs using a combination of the linear transforms over the color vector of the different camera viewpoints combined G-PCC’s predictive attribute coders. We follow this by addressing the size disadvantages of real-time rendering implementations of NeRF-based methods, by introducing a compression pipeline to the PlenOctrees model. Afterwards, we introduce a method to systematically generate PPCs and compare them directly against RF solutions with conventionally used render-based metrics. Finally, we leverage the underlying geometry of the RF models to orient their pruning for a more efficient compression. Identifiant : rennes1-ori-wf-1-20917 | ||
| Exporter au format XML |