Génération intelligente de modèles procéduraux par prospection des paramètres du L-systèm

La modelisation procedurale est la solution alternative d'excellence a l'utilisation excessive des ressources a la fois en terme humain d'infographiste 3D mais aussi en ressources materielles. Les nouvelles techniques des deux dernieres decades repondent assez bien aux besoins requis dans la modelisation de scenes complexes. Le controle sur les objets modelises constitue un constant defi afin d'eviter les motifs recurrents engendres par les L-systemes appliques a la modelisation d'arbres. Dans cet esprit, ce memoire propose un ensemble d'outils proceduraux permettant d'editer des arbres suivant des criteres perceptuels. Notre demarche consiste a s'appuyer sur une etude avec des participants afin d'automatiser l'ajustement des parametres de L-systemes, de sorte que les arbres resultants soient pertinents pour les utilisateurs. Sept grammaires L-systeme ont ete utilisees pour l'etude. Les proprietes geometriques et topologiques de chaque grammaire vont constituer un systeme de metriques, que nous inspectons pendant les variations des parametres des grammaires. Afin d'identifier les arbres les plus interessants, les differences entre l'arbre initial et les arbres generes sont evaluees dans une analyse en composantes principales. Les tests ont etabli une correlation entre la pertinence des arbres generes et leurs emplacements dans l'espace des vecteurs caracteristiques des analyses de difference. Les experimentations ont ete effectuees pour acquerir des informations sur les relations entre les parametres et les metriques, afin de proposer des modeles d'arbres pertinents pour les utilisateurs. Outre l'etablissement d'un systeme de metriques dans le but d'evaluer et de comparer mathematiquement les arbres, ce projet contribue a la litterature en proposant une selection intelligente basee sur les historiques de derivation. Les utilisateurs modifient l'arbre en effectuant des selections a partir desquelles la methode de selection intelligente peut inferer le nombre de regeneration a faire sur chaque sous ensemble selectionne de l'arbre. Les apercus des modifications relatives a chaque qualificatif sont conjointement proposes aux utilisateurs pour faciliter les retouches sur l'arbre. Les resultats demontrent que notre approche permet d'identifier une riche variete d'arbres 3D en se basant sur la mesure des differences des arbres.