![\"\"](\"https:\/\/project.inria.fr\/semapolis\/files\/2011\/12\/label-ANR-bleu-CMJN.png\")
<\/a><\/h1>\nProjet Semapolis \u2014 Analyse s\u00e9mantique visuelle et reconstruction 3D d’environnements urbains<\/h1>\n
Le but du projet Semapolis (1\/10\/2013-30\/09\/2017) est de d\u00e9velopper des techniques avanc\u00e9es d’analyse d’images et d’apprentissage \u00e0 grande \u00e9chelle pour la s\u00e9mantisation de photos urbaines et la construction de mod\u00e8les 3D s\u00e9mantis\u00e9s d’environnements urbains, avec un rendu visuel am\u00e9lior\u00e9. Le projet Semapolis est cofinanc\u00e9 par l’Agence Nationale de la Recherche (ANR)<\/a> dans le programme CONTINT 2013 avec la r\u00e9ference ANR-13-CORD-0003<\/a>.<\/p>\n Les mod\u00e8les 3D g\u00e9om\u00e9triques de villes ont une large gamme d’applications comme la navigation ou les d\u00e9cors virtuels r\u00e9alistes pour les jeux vid\u00e9o et les films. Des acteurs comme Google, Microsoft et Apple ont commenc\u00e9 \u00e0 produire de telles donn\u00e9es. Cependant, elles ne consistent qu’en de simples surfaces, textur\u00e9es \u00e0 partir d’images. Cela limite leur usage dans les \u00e9tudes urbaines et l’industrie de la construction, excluant des applications comme le diagnostic ou la simulation. En outre, g\u00e9om\u00e9trie et texture sont souvent fausses quand des parties sont invisibles ou discontinues, comme lors d’occultations par un arbre, une voiture ou un r\u00e9verb\u00e8re, objets omnipr\u00e9sents dans les sc\u00e8nes urbaines.<\/p>\n Nous voulons aller plus loin en produisant des mod\u00e8les 3D s\u00e9mantis\u00e9s, qui identifient des \u00e9l\u00e9ments architecturaux tels que fen\u00eatres, murs, toits, portes, etc. Les aprioris s\u00e9mantiques sur les images analys\u00e9es nous permettrons aussi de reconstruire des g\u00e9om\u00e9tries et rendus plausibles pour les parties invisibles. La s\u00e9mantique est utile dans un plus grand nombre de sc\u00e9narios \u00e0 l’\u00e9chelle du b\u00e2timent ou de la ville : diagnostic et simulation dans des projets de r\u00e9novation, \u00e9tude d’impact pr\u00e9cise de l’ombre port\u00e9e sur des fen\u00eatres, d\u00e9ploiement de panneaux solaires, etc. La navigation dans des villes virtuelles peut aussi \u00eatre am\u00e9lior\u00e9, avec des rendus visuels sp\u00e9cifiques aux objets identifi\u00e9s. Les mod\u00e8les peuvent \u00e9galement \u00eatre compact\u00e9s en encodant la r\u00e9p\u00e9tition (p. ex. fen\u00eatres) et en substituant aux textures d’origine des textures donn\u00e9es par la s\u00e9mantique ; cela permet une transmission moins co\u00fbteuse et plus rapide dans la faible bande passante de r\u00e9seaux mobiles, et un stockage efficace sur GPS embarqu\u00e9.<\/p>\n L’objectif principal du projet est de faire des avanc\u00e9es majeures dans les domaines suivants :<\/p>\n Pour valider notre recherche, nous conduirons des exp\u00e9riences sur des donn\u00e9es concernant des grandes villes, en particulier Paris (grande quantit\u00e9 de panoramas, images plus denses et g\u00e9or\u00e9f\u00e9renc\u00e9es \u00e0 plus petite \u00e9chelle, plan cadastral, dates de construction).<\/p>\n Semapolis a \u00e9t\u00e9 imagin\u00e9 en 2012-2013 sur la base de m\u00e9thodes soit bien \u00e9tablies \u00e0 cette \u00e9poque mais offrant encore d\u2019int\u00e9ressantes perspectives d\u2019am\u00e9lioration (ex. mod\u00e8les graphiques), soit encore relativement nouvelles et prometteuses (ex. rendu \u00e0 base d\u2019images, analyse syntaxique avec des grammaires de forme via des techniques d\u2019apprentissage par renforcement).<\/p>\n Mais l\u2019essor et les succ\u00e8s de l\u2019apprentissage profond qui ont suivi la conception initiale du projet nous ont conduit \u00e0 recomposer significativement la carte des outils m\u00e9thodologiques pertinents, sans alt\u00e9rer toutefois la finalit\u00e9 applicative du projet. Ainsi, rapidement, les chercheurs de Semapolis se sont mis \u00e0 explorer \u00e9galement des techniques g\u00e9n\u00e9rales de deep learning et leurs usages pour l\u2019analyse et la reconstruction urbaines s\u00e9mantis\u00e9es. En ce qui concerne la navigation visuelle dans les environnements virtuels 3D, le projet est rest\u00e9 ax\u00e9 sur le rendu \u00e0 base d’imagse (IBR), notamment qui exploitent des informations s\u00e9mantiques inf\u00e9r\u00e9es.<\/p>\n Des r\u00e9sultats<\/strong><\/a> majeurs ont \u00e9t\u00e9 obtenus dans ces domaines, avec environ 40 publications<\/a><\/strong> internationales avec comit\u00e9 de lecure, la plupart de rang A et pour la moiti\u00e9 assorties de code et donn\u00e9es<\/a><\/strong>.<\/p>","protected":false},"excerpt":{"rendered":" Projet Semapolis \u2014 Analyse s\u00e9mantique visuelle et reconstruction 3D d’environnements urbains Le but du projet Semapolis (1\/10\/2013-30\/09\/2017) est de d\u00e9velopper des techniques avanc\u00e9es d’analyse d’images et d’apprentissage \u00e0 grande \u00e9chelle pour la s\u00e9mantisation de photos urbaines et la construction de mod\u00e8les 3D s\u00e9mantis\u00e9s d’environnements urbains, avec un rendu visuel am\u00e9lior\u00e9. Le projet Semapolis est cofinanc\u00e9 … <\/p>\nObjectifs initiaux (2013)<\/h4>\n
\n
Objectifs revisit\u00e9s (2017)<\/h4>\n