Méthodes faiblement supervisées pour la perception des nuages de points 3D
Year: 2025
Type: dissertation
Abstract: La compréhension de scènes tridimensionnelles est une pierre angulaire de l’intelligence artificielle moderne, permettant des applications critiques allant de la navigation autonome à la manipulation robotique. La performance des modèles d’apprentissage profond dans ce domaine, en particulier pour la détection d’objets en 3D, dépend fondamentalement d’ensembles de données annotées à grande échelle. Cependant, l’annotation manuelle des données de capteurs 3D est prohibitivement coûteuse, longue et nécessite une expertise intensive, créant un goulot d’étranglement majeur qui entrave sévèrement la scalability et l’adaptabilité des systèmes de perception. Cette limitation a catalysé un changement crucial vers des paradigmes d’apprentissage capables de fonctionner sans annotations 3D précise. Cette thèse aborde ce défi en développant des cadres innovants qui exploitent des annotations 2D faibles, la géométrie multi-vues, et des indices cross-modaux pour entraîner des modèles de perception 3D précis sans aucune étiquette 3D manuelle. Nous apportons trois contributions principales. Premièrement, nous abordons la découverte d’objets 3D non-supervisée en contournant le besoin d’une estimation de mouvement 3D peu fiable. Nous introduisons un cadre de distillation cross-modale où une segmentation de mouvement 2D robuste et mature, issue de la vidéo, agit comme un enseignant, fournissant une orientation claire à un réseau apprenant 3D pour identifier les objets en mouvement dans des nuages de points épars. Deuxièmement, pour surmonter la nature fondamentalement mal posée de l’inférence de la forme 3D à partir d’une boite 2D, nous proposons une méthode faiblement supervisée qui injecte des objets proxy synthétiques parfaitement étiquetés dans les données d’entraînement. Ceci agit comme un curriculum géométrique, enseignant au modèle les principes fondamentaux de la forme et de la projection 3D avant qu’il ne doive les inférer à partir de données réelles ambiguës. Troisièmement, pour résoudre l’ambiguïté et gérer les occultations sévères dans la détection single-frame, nous développons un cadre enseignant-apprenant multi-vues. Inspirée par la façon dont une personne se déplace autour d’un objet pour en comprendre la forme, cette méthode agrège des informations temporelles pour construire une représentation 3D complète, qui est ensuite utilisée pour apprendre à un modèle mono-frame à inférer la géométrie complète d’un objet à partir d’observations partielles. Collectivement, ces travaux démontrent des performances à l’état de l’art dans leurs domaines respectifs. Ils établissent une voie viable vers la construction de systèmes de perception 3D à grande échelle, précis et robustes, tout en réduisant considérablement la dépendance paralysante à l’égard de l’annotation manuelle coûteuse, ouvrant ainsi la voie à des systèmes autonomes plus généralisables et déployables.
Source: theses.fr (ABES)
Author: Lahlali, Saad
Language: English
Subfield: Computational Mechanics
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7128746371
Cites:
Cited by:
Related to: