Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Détection de collision sur surfaces neurales implicites H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité
  

Référence

2023-28738  

Description de l'unité

Au cœur du Plateau de Saclay, l'institut #CEA-List focalise ses recherches sur les systèmes numériques intelligents. Porteurs d'enjeux économiques et sociétaux majeurs, ses programmes de R&D sont centrés sur les systèmes interactifs (intelligence ambiante), les systèmes embarqués (architectures, ingénierie logicielle et systèmes), les capteurs et le traitement du signal (contrôle industriel, santé, sécurité, métrologie).

Au sein du CEA LIST, le Laboratoire de Simulation Interactive (LSI) développe une plateforme de simulation multi-physique interactive mettant en jeu un ou plusieurs utilisateurs en exploitant les technologies de Réalité Virtuelle (RV) et de Réalité Mixte (RM). Cette plateforme, dénommée XDE Physics, permet de simuler la manipulation et les interactions de l'ensemble des systèmes, pièces rigides, articulées ou déformables (câbles) directement sur les maquettes numériques. Elle permet également de valider des scénarios incluant l'opérateur pour étudier l'ergonomie du poste de travail par l'introduction de son avatar dans la simulation dynamique. Centrées sur les noyaux de simulation interactive, les activités de l'équipe vont jusqu'à la mise au point d'applicatifs, répondant aux contextes d'usage de ses partenaires industriels (manufacturing pour l'automobile et l'aéronautique, énergie, santé).

Description du poste

Domaine

Sciences pour l'ingénieur

Contrat

Stage

Intitulé de l'offre

Détection de collision sur surfaces neurales implicites H/F

Sujet de stage

Récemment, les représentations implicites par réseaux de neurone de géométries sont apparues. Elles peuvent provenir de la conversion de représentations explicites [1] ou d'un d'entrainement à partir d'une série d'images provenant de caméras dont les poses sont connues [2] et [3]. Afin de pouvoir interagir dans des scénarios VR avec ces représentations il est nécessaire de disposer d'outils de détection de collision.

Durée du contrat (en mois)

6

Description de l'offre

.Après une étude bibliographique des solutions connues, on se concentrera dans un premier temps sur la détection de collision de surfaces explicites (type maillage triangulaire) avec des champs de distance neuronaux comme dans [4] et [5]. On pourra se baser pour cela sur les codes existant dans notre laboratoire en les adaptant. Puis on pourra étudier des collisions entre surfaces neurales implicites. Le travail se fera en appuis à une thèse dédiée à l'interactivité en réalité virtuelle avec une scène composite contenant des représentations neurales et explicites d'objets à l'intérieur d'une scène. Ce travail selon ses résultats pourra faire l'objet d'une publication scientifique.

[1] Takikawa, T., Litalien, J., Yin, K., Kreis, K., Loop, C., Nowrouzezahrai, D., Fidler, S. (2021). Neural geometric level of detail: Real-time rendering with implicit 3d shapes. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 11358-11367).

[2] Wang, P., Liu, L., Liu, Y., Theobalt, C., Komura, T., Wang, W. (2021). Neus: Learning neural implicit surfaces by volume rendering for multi-view reconstruction. arXiv preprint arXiv:2106.10689.

[3] Li, Z., Müller, T., Evans, A., Taylor, R. H., Unberath, M., Liu, M. Y., Lin, C. H. (2023). Neuralangelo: High-Fidelity Neural Surface Reconstruction. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 8456-8465).

[4] Zesch, R. S., Witemeyer, B. R., Xiong, Z., Levin, D. I., Sueda, S. (2022). Neural collision detection for deformable objects. arXiv preprint arXiv:2202.02309.

[5] Qiao, Y. L., Gao, A., Xu, Y., Feng, Y., Huang, J. B., Lin, M. C. (2023). Dynamic Mesh-Aware Radiance Fields. arXiv preprint arXiv:2309.04581.

Moyens / Méthodes / Logiciels

{Python, C++, Cuda, mathématiques appliquées

Profil du candidat

Bonne qualité rédactionnelle et de communication en français et anglais, rigueur dans l’analyse et la démarche.

Localisation du poste

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Palaiseau

Critères candidat

Langues

Anglais (Courant)

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

Ingénieur, Master 2 recherche

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

05/02/2024