Documentation Documentation
Identifiant IdRef : 226734625
Notice de type Rameau

Point d'accès autorisé

Informations

Langue d'expression : Francais
Date de naissance :  2007
Note publique d''information : 
Notre problématique concerne la modélisation de la variabilité des formes et des relations entre ces formes. Elle est illustrée sur l'exemple de la reconstruction cranio-faciale. Est il possible de prédire l'apparence d'un visage à partir du crâne d'un individu? A partir d'un ensemble d'apprentissage, nous générons un modèle statistique de l'ensemble crâne-visage. Il est réalisé par segmentation des images scanners 3D, puis maillage surfacique du crâne et du visage. Chaque individu est ensuite recalé et normalisé dans un référentiel commun (un maillage générique), dans lequel les sommets du maillage deviennent des semi-Iandmarks. Le modèle statistique décrit implicitement les relations spatiales de l'ensemble crâne-visage. Nous avons défini un formalisme de reconstruction partielle qui prédit alors une des deux surfaces, connaissant la seconde, à l'aide du modèle. Nous travaillons sur des procédures non linéaires, qui pourraient améliorer la précision de cette reconstruction.

Note publique d''information : 
Our main concern is to model the variability of shapes and the relationships between shapes with an application on cranio-facial reconstruction. Can we generate a face knowing only the skull ? Our approach build a statistical model based on a semi-Iandmark paradigm to represent generic shapes and their spatial relationships. First 3D scan images are segmented and 3D meshes of faces and skulls obtained. These individual meshes are then registrated on a common generic mesh. The resulting individual meshes share the same connectivity and the vertices can be considered semi-landmarks. The model build on this assumption describes implicitly the spatial relationships. Reconstruction of unknown face from known skull is then a pattern recognition problem and it is a specifie application of the missing data problem: partial reconstruction. We have defined a formalism which predict one shape knowing the other one and the model, and developed non-linear methods in order to ameliorate the results.

Autres identifiants

Utilisation dans Rameau

Le point d'accès peut être employé dans un point d'accès sujet

... Références liées : ...