Approche de Génération Des Formes 3D À Partir Des Descriptions Textuelles en LLM

Abstract

Au fil des années, l'utilisation croissante de modèles 3D dans diverses industries, telles que la réalité virtuelle et l'architecture, a suscité un intérêt croissant pour la génération de formes 3D. Cependant, la conception et la création de formes 3D précises et réalistes peuvent être coûteuses en termes de temps et de ressources. Dans notre projet, nous avons cherché à minimiser ces coûts et à simplifier le processus en explorant la génération de formes 3D à partir de descriptions textuelles. Pour ce faire, nous avons utilisé une variante des réseaux de neurones antagonistes génératifs (CGAN), ainsi que le modèle d'AutoEncodeur et un modèle Transformer pré-entraîné pour traiter les entrées textuelles. Nos modèles ont

été entraînés et évalués en utilisant le jeu de données "ShapeNet", qui contient des informations sur

des objets tels que des tables et des chaises. Mots clé: Génération de formes 3D, descriptions textuelles, CGAN, Auto-Encoder, Transformer, ShapeNet.