Etudiant : FEDDOUL MAROUANE

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. YAHYAOUYI ALI

Annèe : 2025

Résumé : Au cours de mon stage de recherche, mon travail s’est concentré sur le développement d’une approche innovante pour la reconstruction 3D à partir de plusieurs vues (multi-view 3D reconstruction), en particulier dans le contexte où les données disponibles pour l’entraînement sont limitées et où il existe un écart entre les domaines d’acquisition des données (domain gap). La première étape a consisté à réaliser un état de l’art approfondi. Cette revue a porté sur : • Les méthodes classiques et récentes de reconstruction 3D multi-vues, incluant les approches basées sur voxels, maillages et point clouds. • Les techniques de data augmentation et leurs limites pour améliorer la généralisation des modèles sans supervision 3D complète. • Les méthodes d’adaptation de domaine pour aligner les distributions des données source (entraînement) et cible (inférence) et combiner reconstruction 3D et transfert de connaissances. À partir de cette étude, nous avons identifié les lacunes des approches existantes, notamment la difficulté à entraîner des modèles performants avec peu de données réelles et à gérer le décalage entre les données synthétiques et réelles. Nous avons ensuite développé une nouvelle approche combinant reconstruction 3D multi-vues et adaptation de domaine, permettant : • De prédire des volumes 3D à partir de vues 2D, même sans supervision directe en 3D. • D’intégrer un mécanisme mathématique garantissant la cohérence des volumes reconstruits avec les vues observées. • D’améliorer la robustesse du modèle face aux différences de domaine grâce à un alignement des distributions de features entre données source et cible. La validation théorique de la méthode a été réalisée pour démontrer sa cohérence et sa capacité à produire des reconstructions stables et précises. Sur le plan implémentation, le modèle a été développé en 3 phases et que l’on prépare un article qui va être publié prochainement En conclusion, ce stage a permis de combiner théorie, analyse et implémentation pour proposer une méthode originale d’adaptation de domaine dans la reconstruction 3D multi-vues avec, offrant une avancée significative pour les scénarios où les annotations 3D sont rares et où les données proviennent de sources diverses.