Polygon MeshReprésentation 3D composée de sommets, d'arêtes et de faces (généralement des triangles ou des quads) qui définissent la surface d'un objet 3D. Les maillages constituent la représentation standard en infographie et peuvent représenter efficacement des surfaces complexes avec différents niveaux de détail.
VoxelUn pixel volumétrique - l'équivalent 3D d'un pixel 2D. Les représentations voxels divisent l'espace 3D en une grille régulière de cellules cubiques, chacune stockant des propriétés telles que l'occupation ou la couleur. Simple à traiter mais gourmand en mémoire à haute résolution.
UV MappingProcessus de projection d'une texture d'image 2D sur la surface d'un modèle 3D. Les coordonnées UV (U et V sont les axes de la texture 2D) définissent la manière dont chaque point de la surface 3D correspond à un point de l'image de texture 2D.
Normal VectorUn vecteur perpendiculaire à une surface en un point donné. Les normales de surface sont essentielles pour les calculs d'éclairage, la détection de collisions et la compréhension de l'orientation de la surface dans la géométrie 3D.
Depth MapUne image 2D où chaque valeur de pixel représente la distance entre la caméra et le point correspondant dans la scène. Les cartes de profondeur relient les images 2D et la géométrie 3D et peuvent être capturées par des caméras RVB-D ou estimées à partir d'images standard.
Volumetric RenderingUne technique permettant de restituer des données 3D en projetant des rayons à travers un volume et en accumulant des valeurs de couleur et d'opacité le long de chaque rayon. Utilisé par NeRF et d'autres méthodes de rendu neuronal pour générer des images à partir de représentations 3D apprises.
Signed Distance Function (SDF)Fonction mathématique qui renvoie la distance la plus courte entre n'importe quel point de l'espace et la surface la plus proche, avec le signe indiquant si le point se trouve à l'intérieur (négatif) ou à l'extérieur (positif) de l'objet. Les SDF fournissent une puissante représentation implicite des formes 3D.
Multi-View ReconstructionProcessus de reconstruction d'un modèle 3D à partir de plusieurs photographies 2D prises sous différents points de vue. Les techniques vont de la structure classique à partir du mouvement aux méthodes neuronales modernes comme NeRF.
CAD ModelModèle de conception assistée par ordinateur : une représentation mathématique précise d'un objet 3D créé à l'aide d'un logiciel de conception. Les modèles CAO utilisent des surfaces paramétriques et une géométrie solide, offrant des spécifications exactes utilisées en ingénierie et en fabrication.
TextureImage 2D appliquée à la surface d'un modèle 3D pour ajouter des détails visuels tels que des couleurs, des motifs ou des propriétés de surface telles que la rugosité et la réflectivité, sans augmenter la complexité géométrique.
LiDARDétection et télémétrie par la lumière : une technologie de télédétection qui mesure les distances en éclairant une cible avec une lumière laser et en mesurant les impulsions réfléchies. LiDAR produit des nuages de points haute résolution d’environnements réels.
Implicit Neural RepresentationUne méthode de représentation de formes ou de scènes 3D sous forme de fonctions continues paramétrées par des réseaux de neurones, plutôt que sous forme de structures de données discrètes telles que des maillages ou des voxels. Le réseau apprend à mapper les coordonnées sur des propriétés telles que l'occupation ou la couleur.
Shape EmbeddingUne représentation vectorielle compacte d'une forme 3D dans un espace de fonctionnalités appris, capturant les propriétés géométriques et sémantiques essentielles de l'objet. Les intégrations de formes permettent la recherche de similarité, la classification et la génération d'objets 3D.
Gaussian SplattingTechnique de représentation de scène 3D qui modélise une scène comme une collection de primitives gaussiennes 3D, chacune avec une position, une covariance, une opacité et une couleur. Il permet un rendu en temps réel de haute qualité de scènes complexes grâce à une rastérisation efficace.
PhotogrammetryScience consistant à effectuer des mesures à partir de photographies pour reconstruire des modèles 3D d'objets ou d'environnements du monde réel. La photogrammétrie moderne utilise des algorithmes de vision par ordinateur pour faire correspondre automatiquement les caractéristiques des images et trianguler les positions 3D.
Marching CubesUn algorithme pour extraire une surface de maillage polygonal à partir d'un champ scalaire tridimensionnel (tel qu'une fonction de distance signée ou une grille de voxels). Il traite le champ cube par cube, déterminant les bords traversés par la surface et générant des triangles en conséquence.
SketchfabUne plateforme en ligne majeure pour la publication, le partage et la découverte de contenus 3D, VR et AR. Objaverse provient principalement de Sketchfab, qui héberge des millions de modèles 3D téléchargés par des artistes, des designers et des passionnés de numérisation 3D.
Ray CastingUne technique permettant de déterminer quels objets d'une scène 3D sont visibles en traçant les rayons de la caméra à travers chaque pixel dans la scène. La diffusion de rayons est utilisée dans le rendu NeRF et volumétrique pour échantillonner la densité et la couleur le long de chaque trajet de rayon.
Text-to-3D GenerationLa tâche de créer un objet ou une scène 3D à partir d’une description textuelle en langage naturel. Des méthodes telles que DreamFusion, Magic3D et Point-E utilisent des combinaisons de modèles de diffusion conditionnés par le texte et de représentations 3D pour générer du contenu 3D à partir d'invites textuelles.
Occupancy NetworkUne représentation neuronale implicite qui mappe une coordonnée 3D à une probabilité d'occupation (que le point soit à l'intérieur ou à l'extérieur d'un objet). Les réseaux d'occupation peuvent représenter des formes complexes avec une résolution arbitraire sans nécessiter de grilles de voxels discrètes.
Shape CompletionTâche consistant à prédire la forme 3D complète d'un objet à partir d'une observation partielle, telle qu'une analyse en profondeur unique ou un nuage de points partiel. Les modèles d'apprentissage profond formés sur des ensembles de données 3D comme Objaverse et ShapeNet peuvent apprendre à déduire la géométrie manquante.
PointNetUne architecture d'apprentissage en profondeur pionnière conçue pour traiter directement les données de nuages de points non ordonnés. PointNet utilise des perceptrons multicouches partagés et une opération de pooling maximal symétrique pour obtenir une invariance de permutation, permettant une classification et une segmentation 3D directement à partir d'ensembles de points.
Mesh DecimationProcessus de réduction du nombre de polygones dans un maillage 3D tout en préservant sa forme globale et son aspect visuel. Ceci est important pour optimiser les modèles 3D pour le rendu en temps réel, l'affichage sur le Web et le stockage efficace dans des ensembles de données à grande échelle.
Objaverse-XLUne version étendue d'Objaverse contenant plus de 10 millions d'objets 3D provenant de plusieurs plates-formes, notamment Sketchfab, Thingiverse, GitHub et Smithsonian, ce qui en fait le plus grand ensemble de données 3D ouvert.
DreamFusionUne méthode de génération de texte en 3D de Google qui utilise un modèle de diffusion texte en image pré-entraîné pour optimiser une représentation NeRF, permettant la création d'objets 3D à partir de descriptions de texte sans données d'entraînement 3D.
Zero-1-to-3Une méthode pour générer de nouvelles vues d'un objet à partir d'une seule image, formée sur des données Objaverse, permettant une reconstruction 3D à partir d'une seule photographie.
ShapeNetUn ensemble de données à grande échelle et richement annoté de formes 3D contenant 51 300 modèles 3D uniques couvrant 55 catégories d'objets courantes, largement utilisé comme référence dans la recherche sur l'apprentissage profond 3D.
Triplane RepresentationUne représentation 3D compacte qui code une scène 3D à l'aide de trois plans caractéristiques orthogonaux (XY, XZ, YZ), permettant une génération et un rendu 3D efficaces avec des réseaux de base de réseaux neuronaux 2D.
Multi-View StereoUne technique permettant de reconstruire la géométrie 3D à partir de plusieurs photographies superposées en trouvant les points correspondants sur les vues et en triangulant leurs positions 3D.
Mesh SimplificationAlgorithmes qui réduisent le nombre de polygones d'un maillage 3D tout en préservant son apparence visuelle, important pour le stockage et le rendu efficaces d'ensembles de données 3D à grande échelle.
Cap3DUne méthode pour générer automatiquement des descriptions textuelles détaillées (légendes) pour les objets 3D dans Objaverse, permettant la recherche basée sur le texte et la formation à la génération de texte en 3D.
Point-EUn modèle OpenAI qui génère des nuages de points 3D à partir de descriptions de texte, formés sur un vaste ensemble de données de paires texte-3D, permettant une création rapide de contenu 3D à partir d'un langage naturel.
Radiance FieldUne fonction continue qui mappe les coordonnées 3D et les directions de visualisation aux valeurs de couleur et de densité, représentant l'apparence d'une scène depuis n'importe quel point de vue. NeRF est l'implémentation la plus connue.
Digital TwinRéplique virtuelle d'un objet physique, d'un processus ou d'un système mis à jour en temps réel avec les données des capteurs. Les ensembles de données 3D comme Objaverse aident à créer des jumeaux numériques plus réalistes et diversifiés.
Implicit SurfaceUne surface 3D définie comme l'ensemble de niveau zéro d'une fonction continue, plutôt que par des sommets et des faces explicites. Les surfaces neuronales implicites comme DeepSDF et les réseaux d'occupation entrent dans cette catégorie.
3D ReconstructionProcessus de création d'un modèle 3D à partir d'observations 2D telles que des photographies, des cartes de profondeur ou des données de capteurs. Les méthodes vont de la structure classique à partir du mouvement aux techniques modernes de reconstruction neuronale.
View SynthesisGénérer de nouvelles vues d'une scène à partir de points de vue qui n'ont pas été capturés par les caméras. NeRF et Gaussian Splatting excellent dans cette tâche en apprenant des représentations de scènes 3D continues.
Texture SynthesisGénérez automatiquement des images de texture pour les surfaces 3D, soit en étendant des exemples de textures, soit en utilisant l'IA pour créer des textures à partir de descriptions textuelles. Important pour le rendu réaliste des objets 3D générés.
Watertight MeshUn maillage polygonal qui forme une surface complète et fermée sans trous ni espaces. Des maillages étanches sont nécessaires pour de nombreuses opérations telles que l'impression 3D, les opérations booléennes et les requêtes internes/externes.
Level of Detail (LOD)Une technique pour gérer la complexité en utilisant différentes résolutions de maillage en fonction de la distance de visualisation. Les objets éloignés de la caméra utilisent des maillages simplifiés, tandis que les objets proches utilisent des versions très détaillées.
Scene GraphReprésentation structurée d'une scène 3D décrivant les objets, leurs attributs (couleur, matériau, forme) et leurs relations (au-dessus, à côté, à l'intérieur). Les graphiques de scène permettent la compréhension sémantique et la génération d'environnements 3D.
Neural Signed Distance FunctionUn réseau neuronal entraîné pour générer la distance signée de n'importe quel point 3D à la surface la plus proche, fournissant une représentation implicite continue et différenciable des formes 3D.
NeRF in the WildUne extension de NeRF qui gère des collections de photos sans contraintes avec différents éclairages, expositions et occulteurs transitoires, permettant la reconstruction 3D à partir de photographies touristiques.