Des chercheurs de l’Institut de Science Tokyo ont développé une technique d’imagerie 3D révolutionnaire basée sur un réseau neuronal capable de mesurer avec précision des objets en mouvement, une tâche longtemps considérée comme extrêmement difficile pour les systèmes optiques conventionnels. Présentée à la Conférence Internationale sur la Vision par Ordinateur (ICCV) 2025, cette nouvelle méthode de rendu inverse neuronal reconstruit des formes 3D haute résolution en utilisant seulement trois motifs de projection, permettant une mesure 3D dynamique dans diverses applications telles que l’inspection en fabrication, la modélisation de jumeaux numériques et la capture de performance en production visuelle.
Parmi les diverses approches optiques, les méthodes de lumière structurée—qui projettent des motifs sur un objet et analysent la lumière réfléchie pour reconstruire sa forme 3D—sont largement utilisées en raison de leur précision et de leur polyvalence. Cependant, la méthode de déphasage largement adoptée peine lorsque les objets bougent ne serait-ce que légèrement pendant le processus. Par conséquent, les systèmes d’imagerie 3D conventionnels échouent souvent lorsque le mouvement de l’objet provoque des distorsions entre les motifs projetés et capturés, limitant ainsi leurs applications, allant de l’inspection en fabrication et l’archivage du patrimoine culturel à la modélisation de jumeaux numériques et la capture de performance en production visuelle.
Pour résoudre ce problème, les chercheurs ont cherché de nouvelles façons de surmonter les erreurs induites par le mouvement qui dégradent les mesures optiques 3D. Lorsque la méthode de déphasage projette séquentiellement plusieurs motifs sinusoïdaux, même un léger mouvement de l’objet perturbe l’alignement entre les motifs, conduisant à des reconstructions 3D floues ou inexactes. Cette sensibilité au mouvement est donc devenue un goulot d’étranglement majeur pour l’imagerie 3D de haute précision dans des environnements dynamiques.
Conscients de ces limitations, une équipe de recherche dirigée par l’ancien étudiant diplômé Yuki Urakawa et le professeur associé Yoshihiro Watanabe du Département de Génie de l’Information et des Communications, École d’Ingénierie, Institut de Science Tokyo, Japon, a développé une nouvelle approche pour mesurer avec précision les formes d’objets en mouvement. Leurs résultats ont été présentés dans les Comptes rendus de l’IEEE/CVF Conférence Internationale sur la Vision par Ordinateur (ICCV) 2025 le 23 octobre 2025, l’une des principales plateformes mondiales pour la recherche de pointe en vision par ordinateur.
« Les méthodes de lumière structurée sont une approche bien établie en mesure optique 3D », expose Yoshihiro Watanabe. « Cependant, parce que la méthode de déphasage largement utilisée nécessite de multiples projections séquentielles, elle rencontre une difficulté fondamentale à gérer le mouvement. Ce défi nous a motivés à développer une technique capable de capturer des formes 3D précises même lorsque les objets sont en mouvement. »
L’équipe a proposé un cadre basé sur un réseau neuronal qui modélise simultanément le mouvement de l’objet et la géométrie 3D dans le contexte du rendu inverse. Contrairement aux techniques de déphasage conventionnelles qui supposent un objet stationnaire, cette approche de rendu inverse neuronal reconstruit conjointement à la fois le mouvement et la géométrie d’une cible mobile, permettant une imagerie 3D plus précise dans des scènes dynamiques.
Dans leur méthode, le mouvement de l’objet est représenté comme un champ de déplacement, et à la fois le champ de déplacement et la forme 3D sont optimisés conjointement à l’aide d’un réseau neuronal. Cette conception innovante permet de corriger les écarts induits par le mouvement dans les images projetées et capturées, autorisant une reconstruction 3D précise même pour des cibles en mouvement.
Pour démontrer l’efficacité de la méthode, les chercheurs ont implémenté leur système dans une configuration multi-vues utilisant un seul projecteur et deux caméras. Fait remarquable, ils ont réalisé des mesures 3D haute résolution et haute précision en utilisant seulement trois motifs de projection sinusoïdaux standards—le même nombre typiquement requis pour les mesures par déphasage sur objets stationnaires.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Comme Yoshihiro Watanabe le rapporte, « En utilisant seulement trois motifs de projection sinusoïdaux standards (le même type utilisé dans les méthodes de déphasage conventionnelles), nous avons réussi à obtenir une reconstruction de forme 3D haute précision et haute résolution d’objets en mouvement. »
Cette avancée marque un pas en avant significatif dans le domaine de la métrologie optique, permettant une capture 3D dynamique et précise avec moins de motifs de projection. En maintenant une haute précision tout en réduisant le nombre de projections requises, la méthode élargit les possibilités de mesure 3D dans des scénarios impliquant du mouvement ou de la déformation.
Selon Yoshihiro Watanabe, « Cette technologie de rupture permet une mesure 3D dynamique et de haute précision avec un minimum de motifs de projection, ouvrant de nouvelles possibilités pour des applications dans l’inspection en fabrication, la modélisation de jumeaux numériques et la capture de performance en production visuelle. »
En fusionnant l’apprentissage profond avec les principes établis de la lumière structurée, l’équipe de recherche de Science Tokyo a effectivement étendu la portée de la mesure optique aux environnements dynamiques. Leur technique de rendu inverse neuronal jette les bases des technologies de détection 3D de nouvelle génération capables de fonctionner dans des environnements à mouvement rapide ou instables sans compromettre la précision de mesure.
Cette réalisation souligne le leadership continu de Science Tokyo à l’intersection de l’IA, de l’imagerie et de l’ingénierie, et met en lumière le rôle croissant de la modélisation neuronale dans la résolution de problèmes de mesure du monde réel.
Article : « Neural Inverse Rendering for High-Accuracy 3D Measurement of Moving Objects with Fewer Phase-Shifting Patterns » – Méthode : Experimental study
Source : Institut des sciences de Tokyo
