Deep-based semantic representation for avatars in online immersive applications (Représentations structurées du mouvement pour des avatars dans des applications immersives en ligne, fondées sur l’apprentissage profond)

De Clermont Gallerande, Philippe - (2026-06-23) / Université de Rennes - Deep-based semantic representation for avatars in online immersive applications Langue : Anglais Directeur de thèse:  Hoyet, Ludovic; Argelaguet, Fernando Laboratoire :  INRIA-RENNES Ecole Doctorale : MATISSE Thématique : Informatique

Accès à la ressource :  https://ged.univ-rennes1.fr/nuxeo/site/esupversion... Mots-clés : Modélisation de mouvement humain, Apprentissage profond, Modularité, Parties du corps, Représentations structurées, Apprentissage profond, Mécanique humaine Résumé : La modélisation, la numérisation et la transmission du mouvement humain constituent des problèmes majeurs de notre époque. En particulier, une représentation du mouvement adaptée doit être facile à manipuler, permettre l'interopérabilité entre systèmes, passer à l'échelle, et présenter une certaine robustesse face à diverses distributions de bruit. Dans cette optique, nous proposons trois contributions. La première s'appuie sur une représentation du mouvement par parties du corps. Plus précisément, et à la différence de la majorité des travaux existants, nous choisissons de sacrifier la modélisation explicite de certaines dépendances entre parties du corps. Ce cadre nous permet d'étudier le comportement de différentes décompositions du corps à travers une ablation progressive de certaines dépendances et interconnexions. Nous présentons ensuite une contribution visant à compléter un mouvement humain bruité, voire partiellement occulté sur des durées variables. Enfin, nous améliorons l'approche de la première contribution en compensant l'une de ses principales limites, à savoir sa latence à l'inférence, puis nous l'appliquons à un cas pratique de compensation de latence dans une application immersive. Résumé (anglais) : Human motion modelling, digitization, and transmission are key challenges of our time. In particular, a suitable motion representation must be easy to manipulate, enable interoperability across systems, scale effectively, and remain robust to various noise distributions. With this in mind, we propose three contributions. The first relies on a body-part-based motion representation. More precisely, and unlike most existing works, we deliberately sacrifice the explicit modelling of certain dependencies between body parts. This framework allows us to study the behaviour of different body decompositions through a progressive ablation of selected dependencies and interconnections. We then present a contribution aimed at completing noisy human motion, including motion that is partially occluded over varying durations. Finally, we improve the approach of the first contribution by compensating for one of its main limitations, namely its inference latency, and then apply it to a practical latency-compensation use case in an immersive application. Identifiant : rennes1-ori-wf-1-22787

Exporter au format XML