Résumé:
La g´en´eration des formes 3D est un domaine tr`es difficile et qui int´eressent beaucoup
de chercheurs et qui n´ecessite une bonne repr´esentation des formes 3D. Notre travail
s’articule sur la repr´esentation des formes 3D dans un contexte de g´en´eration `a partir
d’une description textuelle, en s’appuyant sur la puissance des r´eseaux de neurones
antagonistes g´en´eratifs (GANs).
Nous avons propos´e deux architectures diff´erentes afin de repr´esenter les formes 3D.
la premi`ere se base sur le mod`ele Autoencoder. La seconde exploite les mod`eles
des Transformers utilis´es en TAL. Nous avons men´e deux types d’exp´erimentations:
intrins`eque o`u nous avons test´e nos mod`eles et extrins`eque o`u nous avons mis en
´epreuve nos mod`eles dans une application bien pr´ecise.
Les WGANs sont de plus en plus connus comme une forme ´evolu´ee d’apprentissage
automatique. Des chercheurs et des d´eveloppeurs ont exp´eriment´e l’utilisation de
WGANs pour produire des copies, mˆeme imparfaites, d’œuvres c´el`ebres telles que
la Joconde et des portraits de personnes qui n’existent pas.
Mot cl´es : 3D embedding, Autoencodeur, Transformateurs, WGANs
