Reconstruction et abstraction géométrique pour la représentation structurée de scènes 3D // Reconstruction and Geometric Abstraction for the Structured Representation of 3D Scenes

Cette thèse vise à transformer des reconstructions 3D détaillées — issues de photogrammétrie, LiDAR ou de leur combinaison — en modèles géométriques simplifiés, hiérarchisés et éditables, capables de préserver les structures spatiales essentielles d'une scène tout en étant exploitables dans des domaines comme l'architecture, la fabrication numérique ou l'accessibilité (ex. : maquettes tactiles pour personnes malvoyantes). Les reconstructions actuelles, souvent sous forme de nuages de points ou maillages denses, sont riches en détails mais bruitées, hétérogènes et peu adaptées à une manipulation ou une analyse structurée ; les méthodes classiques de simplification conservent l'apparence visuelle sans garantir une structure intelligible. L'objectif est donc de concevoir des représentations intermédiaires — comme les Signed Distance Functions (SDF), les splats gaussiens ou les représentations implicites neuronales — pour régulariser, structurer et abstraire la géométrie, puis d'extraire automatiquement des éléments structurants (plans, volumes, arêtes) afin de produire des modèles hiérarchisés et modifiables. Les travaux s'inscrivent dans un cadre interdisciplinaire mêlant vision par ordinateur, traitement de géométrie 3D et apprentissage profond, avec pour résultats attendus de nouvelles méthodes de simplification adaptées aux scènes complexes et des outils permettant une abstraction multi-niveaux de la géométrie.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This thesis aims to transform detailed 3D reconstructions—derived from photogrammetry, LiDAR, or a combination of both—into simplified, hierarchical, and editable geometric models capable of preserving a scene's essential spatial structures while remaining usable in fields such as architecture, digital fabrication, and accessibility (e.g., tactile models for the visually impaired). Current reconstructions, often in the form of point clouds or dense meshes, are rich in detail but noisy, heterogeneous, and ill-suited for structured manipulation or analysis; classical simplification methods preserve the visual appearance without guaranteeing an intelligible structure. The goal is therefore to design intermediate representations—such as Signed Distance Functions (SDFs), Gaussian splats, or neural implicit representations—to regularize, structure, and abstract the geometry, and then automatically extract structural elements (planes, volumes, edges) to produce hierarchical and modifiable models. This research is conducted within an interdisciplinary framework combining computer vision, 3D geometry processing, and deep learning, with the expected outcomes being new simplification methods adapted to complex scenes and tools enabling multi-level abstraction of geometry.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Enseignement supérieur

Université de Limoges

653 Sciences et Ingénierie

- formation en vision par ordinateur, géométrie 3D ou informatique graphique ; - bonnes bases en programmation scientifique (Python, C++ ou équivalent) ; - intérêt pour la reconstruction 3D et la représentation de scènes ; - autonomie et curiosité scientifique.
- Training in computer vision, 3D geometry, or computer graphics; - Strong foundation in scientific programming (Python, C++, or equivalent); - Interest in 3D reconstruction and scene representation; - Ability to work independently and a scientific curiosity.