projet-fin-etude-rapport/slides/slides.md

theme	class	coverAuthor	coverBackgroundUrl	coverBackgroundSource	coverBackgroundSourceUrl	coverDate	themeConfig	title
academic	text-white	Laurent Fainsin	https://git.fainsin.bzh/ENSEEIHT/projet-fin-etude-rapport/media/branch/master/assets/aube.jpg	Safran Media Library	https://medialibrary.safran-group.com/Photos/media/179440	2023-09-07	paginationX paginationY paginationPagesDisabled r t 1	Projet de fin d'étude

Projet de Fin d'Étude

Modèles génératifs pour la représentation latente d'aubes 3D sous forme de maillages non structurés

---

Sommaire

• Présentation de Safran
• Présentation du dataset
• Modèles génératifs
• Génération par diffusion
• Résultats
• Vérifications
• Conclusion

---

Présentation (rapide) de Safran

Safran Media Library

---

Dataset Rotor37_1200

29773 nœuds, 59328 triangles et 89100 arêtes.

---

Modèles génératifs (traditionnels)

---

Modèles génératifs (deep learning)

Lilian Weng, 2021

---

Denoising Diffusion Probabilistic Model (DDPM)

arxiv:2006.11239, CVPR 2022 Diffusion Tutorial

---

Forward process

---

Reverse process

---

Latent Diffusion Model (LDM)

arxiv:2112.10752

---

Classifier-free Guidance (CFG)

Paweł Pierzchlewicz

---

Résultats

---

Gaussian Process (GP)

Distill

---

Vérification par Gaussian Process (GP)

---

Vérification par Gaussian Process (GP)

---

Vérification par Gaussian Process (GP)

---

Conclusion

Travail réalisé

• Génération conditionnée d'aubes par diffusion

Axes d'amélioration

• Vérifier le conditonnement par simulation CFD
• Remplacer la PCA par une méthode paramétrique
• Travailler directement sur les CAOs
• Tester des méthodes par RL

---

Annexes

---

GraphVAE

---

PVD

---

---