compression et transmission adaptatives de maillages 3d céline roudet le2i - dijon...
TRANSCRIPT
Compression et transmission adaptatives de maillages 3D
Céline RoudetLe2i - Dijon
Porquerolles, le 27 mai 2010
Porquerolles, le 27/05/2010 Céline ROUDET 2
Contexte
∞ Modèles géométriques 3D− Explosion de leur production / échange
− Grande diversité de modélisations
∞ Maillages surfaciques− De plus en plus précis et détaillés
− Répartition irrégulière des échantillons
Porquerolles, le 27/05/2010 Céline ROUDET 3
Contexte (2)
∞ Le projet « CoSurf » (thèse)− Collaboration avec Orange Labs Rennes
− Favoriser l’échange de données 3D
− Adapter le transfert des données aux ressources
∞ Collaboration (F. Payan et M. Antonini - I3S)− Optimiser la quantification de la géométrie
− Approche multirésolution (ondelettes)
− Adapter spatialement la quantification
R
D
Porquerolles, le 27/05/2010 Céline ROUDET 4
I – Maillages 3D progressifs
II – L’analyse multirésolution de maillages
IV – Méthode proposée, résultats et applications
V – Conclusion et perspectives
Plan
Porquerolles, le 27/05/2010 Céline ROUDET 5
Maillages triangulaires
∞ Régularité du voisinage
− liée à la valence (σ) des sommets
V : {Vi = (xi, yi, zi) є R3 / 0 ≤ i <|V|}
F : {Fi = j, k, l є Z3 / 0 ≤ i <|F|}
irrégulier réguliersemi-régulier
Maillage M = (V, F)
Géométrie
Connectivité
Maillage triangulaire36 octets / sommet288 bits / sommet
Trois types de maillages :1. irréguliers
2. semi-réguliers : W V | Vi ,Vj є W : σ(Vi ) ≠ σ(Vj )
3. réguliers : Vi ,Vj є V : σ(Vi ) = σ(Vj )
∩
Porquerolles, le 27/05/2010 Céline ROUDET 6
Représentations progressives
≈ 2 octets / s
≈ 2 - 4 bits / s
∞ Intérêt :− Adaptation aux réseaux et au terminal utilisateur
− Efficacité en termes de rendu
∞ Plusieurs représentations possibles :− Surfaces de subdivision [Doo et Sabin, 78] + ondelettes [Lounsbery, 97]
− Raffinement progressif [Hoppe, 96], [Gandoin et Devillers, 02]
Porquerolles, le 27/05/2010 Céline ROUDET 7
I – Maillages 3D progressifs
II – L’analyse multirésolution de maillages
IV – Méthode proposée, résultats et applications
V – Conclusion et perspectives
Plan
Porquerolles, le 27/05/2010 Céline ROUDET 8
Ondelettes géométriques
[Mallat, 89]
[Sweldens, 95]
[Lounsbery, 97]
S : Split
P : Predict
U : Update
∞ Généralisation des bancs de filtres− Analyse multirésolution spatiale
∞ Avantages :− Coûts de calcul réduits
− Filtres simplifiés
− Analyse et synthèse en temps linéaire
9
En pratique
MnMn-1
pair
impair
Update
Predict
10
Remaillage semi-régulier
48 485 sommets 112 642 sommets
Mnoriginal
MaillageirrégulierMi
r
Maillagesemi-régulierMs
r
− Propice à l’application d’une transformée en ondelettes − Grande partie de la connectivité : implicite− Réduction de l’erreur de reconstruction d’un facteur 4
Porquerolles, le 27/05/2010 Céline ROUDET
Porquerolles, le 27/05/2010 Céline ROUDET 11
I – Maillages 3D progressifs
II – L’analyse multirésolution de maillages
IV – Méthode proposée, résultats et applications
V – Conclusion et perspectives
Plan
Dijon, le 20/05/2009 Céline ROUDET 12
Schéma de notre approche
CANAL
Analyseglobale
Segmentationmultirésolution
Analyselocale
Codagelocal
Décodagelocal
fluxbinaire
Remaillage
coefficientsd’ondelettes
modèle 3Dirrégulier
modèle 3Dsemi-régulier
clusterspatchs
Recollagegrossier
Synthèselocale
fluxbinaire
niveaux de résolution
Visualisation
Classification
12
13
Analyse ondelettes globale
Porquerolles, le 27/05/2010 Céline ROUDET
Amplitude
Angle polaire
0 1
x10Niveau n-2
Schéma Butterflynon lifté
Remaillage Normal
x10
14Porquerolles, le 27/05/2010 Céline ROUDET
An-3
Mn
An-2
An-1 Dn-1
Dn-2
Dn-3
Représentation multirésolution
Niveau n-1 Niveau n-2 Niveau n-3 Niveau n-1…Niveau noriginal
112 642 sommets 28 162 sommets 7 042 sommets 1 762 sommetsPondération
multirésolution
0 1
Amplitude des ondelettes
Porquerolles, le 27/05/2010 Céline ROUDET 15
Classification et croissance de régions
Amplitude
Ang
le p
olai
re
sommets,arêtes oufacettes
Classification (K-means)en 2 clusters
Amplitude
Ang
le p
olai
re
Amplitude
Angle polaire
sommets facettes
K=2
Croissancede régions
Analyseglobale
Niveau noriginal
Niveau n-1 Niveau n-1
Porquerolles, le 27/05/2010 Céline ROUDET 16
Intérêt de l’analyse / codage indépendants
CANAL
+ codage des informations relatives au partitionnement :
− nb régions, type de cluster, filtres utilisés, … : compressé sans perte
zerotree
Connectivité Codagearithmétique
liste desymboles
00110101
Quantification Codagearithmétique
0110
Géométrie
Connectivité Codagearithmétique
liste desymboles
10101101
Quantification Codagearithmétique
1010
Géométrie
[Touma et Gotsman, 98]
…
[Khodakovsky et al., 00]
Porquerolles, le 27/05/2010 Céline ROUDET 17
Progressivité de la reconstruction globale
0,20 bit / sommet 0,57 bit / sommet 1,27 bit / sommet 4,92 bits / sommet
Porquerolles, le 27/05/2010 Céline ROUDET 18
Applications de l’analyse locale
∞ Transmission et reconstruction adaptative∞ Visualisation sélective (ROI)∞ Débruitage et tatouage adaptatifs∞ Correction d'erreurs (transmission sur un canal bruité)
e : erreur (x10-4)
Analyseglobale
ReconstructionadaptativeClusters
Céline ROUDET 19
Comparaison analyse globale / locale
PSNR = 20.log10 BBdiag / d BBdiag = diagonale de la boîte englobante d = distance de Hausdorff
Courbes débit / distorsion (unique schéma de prédiction utilisé)
(segm. N°1)
(segm. N°2)
Comparaison perceptuelle
e1 : distance de Hausdorff obtenue par Mesh [Aspert et al., 02] (x10-4)
e2 : métrique asymétrique : Mesh Structural Distortion Measure [Lavoué et al., 06] distance perceptuelle entre 2 objets (0 : objets identiques)
Reconstruction adaptative Reconstruction globale
6565
Porquerolles, le 27/05/2010 Céline ROUDET 20
CollaborationOptimisation de la quantification
CANAL
Codageentropique
Décodageentropique
fluxbinairePatchs
semi-réguliers
Synthèselocale
niveaux de résolution
Maillage semi-régulier
segmenté
R
DMinimiser
D(R) ou R(D)
Q
Allocation binaire
Débit ou distorsion cible
Codage zerotree ou contextuel
Q*…
Analyselocale
fluxbinaire
Porquerolles, le 27/05/2010 Céline ROUDET 22
Optimisation R/D
− Distorsion : EQM due à la quantification
− Trouver les pas de quantification et λ qui minimisent le critère de Lagrange suivant :
1#
0
2
2ˆ
#
1 SR
jjjSRT vv
SRMSED 0 : sous-bande BF
1, 2, 3 : sous-bandes HF
cible,
0,,,,
0, RqRaqMSEWqJ ji
N
i Jjjiji
JjjijiSR
N
iiji
ii
Distorsion Contrainte de débit
N : nb. résolutions Ji : ens. des sous-bandesWi : poids de non orthogonalité
2,1,, iSRiSRJj
jii MSEMSEMSEMSEi
Porquerolles, le 27/05/2010 Céline ROUDET 23
Résultats : adaptation spatiale de l’optimisation
PSNR (dB)
Débit (bits / sommets irréguliers)
5 patchs4 niveaux
Porquerolles, le 27/05/2010 Céline ROUDET 24
Résultats : à bas débit
PSNR (dB)
Débit (bits / sommets irréguliers)
5 patchs4 niveaux
Porquerolles, le 27/05/2010 Céline ROUDET 25
Résultats : adaptation spatiale de l’optimisation
PSNR (dB)
Débit (bits / sommets irréguliers)
5 patchs5 niveaux
Porquerolles, le 27/05/2010 Céline ROUDET 26
Résultats : à bas débit
PSNR (dB)
Débit (bits / sommets irréguliers)
5 patchs5 niveaux
Porquerolles, le 27/05/2010 Céline ROUDET 27
I – Maillages 3D progressifs
II – L’analyse multirésolution de maillages
IV – Méthode proposée, résultats et applications
V – Conclusion et perspectives
Plan
Porquerolles, le 27/05/2010 Céline ROUDET 28
Conclusion et perspectives
∞ Compression et transmission adaptatives− Segmentation basée sur l’analyse multirésolution (AMR)
− Adapter la quantification de la géométrie de chaque région
− Résultats : même ordre de grandeur qu’en global
∞ Perspectives− Projet Jeunes Chercheurs du GdR ISIS (2010 – 2013)
− Membres : F. Payan (I3S), B. Sauvage (LSIIT), S. Lanquetin (Le2i)− Financé par : GdR 720 ISIS et l’association Gretsi
− Optimiser maintenant l’AMR dans chaque région
− Intérêt sur des objets moins lisses ?
− Considérer des métriques plus subjectives
Porquerolles, le 27/05/2010 Céline ROUDET 29
Questions …
Merci de votre attention
segmentation :6 régions
clusters desommets
clusters defacettes
projectiongrossière