Abstract (FR)

Cette thèse explore la relation entre géométrie et sens dans les représentations de formes 3D, pour une génération contrôlable. Dans une première partie, nous concevons des réseaux de neurones, entraînés à démonter une forme en ses parties constitutives, et à réassembler des parties aléatoires en un seul objet. Ceci répond à l’ambiguïté inhérente à la recombinaison de formes par assemblage, entre fidélité des détails et cohésion d’ensemble. La deuxième partie présente un modèle déformable baptisé DVG. En épousant la surface d’un objet, il s’aligne avec ses lignes saillantes, et offre des points de contrôle pour des déformations faciles. Nous montrons, sur une variété de formes, comment ils résolvent des problèmes tels que l’exploration de données, la recherche par similarité, la synthèse par déformation, l’approximation de surface et les correspondances de formes. Enfin, nous exploitons une analogie entre DVG et espace latent des réseaux génératifs pour générer des morphings de formes