Navigation sémantique de grandes scènes 3D georéféréncées et des mondes virtuels

Discipline

Informatique

Classification

Informatique

Mots-clés libres

optimisation, imagerie 3D, GPS (système de localisation mondial)

Mots-clés

Imagerie tridimensionnelle - Thèses et écrits académiques,

Conception centrée sur l'utilisateur - Thèses et écrits académiques,

GPS - Thèses et écrits académiques,

Langages de programmation -- Sémantique - Thèses et écrits académiques

Les évolutions technologiques actuelles font entrer la géo-informatique 3D à son âge numérique, permettant de nouvelles applications potentielles dans le domaine du tourisme virtuel, du loisir, du divertissement et du patrimoine culturel. Des mondes virtuels 3D et des scènes géo-référencées sont utilisés encore plus dans les simulations de catastrophes physiques et de plan d'évacuation ou de scénarios militaires. Il est prouvé que les informations 3D offrent un moyen naturel de navigation. Cependant la personnalisation est un aspect essentiel dans un système de navigation. En dehors des optimisations de distance et du temps l'intégration des préférences des utilisateurs est finalement le point les important d'une navigation. Une architecture efficace de planification d'itinéraire personnalisée est basée tant sur des critères géométriques que sur les préférences de l'utilisateur. Dans ce travail, un cadre multi-couche intégrée est introduit, pour soutenir une navigation efficace centrée sur l'utilisateur, dans des mondes 3D. Habituellement, les préférences de l'utilisateur sont exprimées sous forme d‟un ensemble de poids qui représente le degré d'importance du contenu des métadonnées sémantiques de la scène sur le processus de sélection du tracé. Ces poids, cependant, sont définis par les utilisateurs, en mettant la complexité du côté de l'utilisateur, ce qui rend la personnalisation une tâche ardue. Dans ce travail, une approche alternative est proposée dans laquelle les poids du contenu des métadonnées sont estimés implicitement et de façon transparente pour les utilisateurs, en déplaçant la complexité du côté du système. Ce résultat est obtenu par l'introduction d'une stratégie d'apprentissage en ligne par retour d'expérience qui ajuste automatiquement les poids de variables des métadonnées par exploitation de l'information renvoyée vers le système sur la pertinence des jugements de préférences utilisateur présentés sous une forme de comparaisons par paires. Dans la pratique la mise en oeuvre d'un algorithme de retour d'expérience présente la limitation que plusieurs comparaisons par paires (échantillons) sont nécessaires pour converger vers un ensemble de poids de variables des métadonnées fiables. Pour cette raison, dans ce travail une stratégie de rectification de poids est proposée qui permet d'estimer le poids en exploitant les interrelations de variables de métadonnées définies par une ontologie. Dans la suite, un algorithme d'optimisation génétique est proposé pour sélectionner les itinéraires les plus préférés de l'utilisateur basé sur une approche d'optimisation multi-critères. Pour améliorer le degré de personnalisation en navigation 3D, un algorithme efficace est également mis en place pour estimer les trajectoires 3D autour des objets choisis par la fusion de meilleurs vues projetées en 2D qui contiennent des faces qui ont la plus grande préférence des utilisateurs. Des simulations et des comparaisons ont été effectuées avec d'autres approches, soit dans le domaine de l'apprentissage en ligne ou du choix du tracé en utilisant des mesures objectives en termes de précision et de rappel des valeurs.