[Epic Origami #18605 — Pli 2] NeRF from scratch : création série GenAI/3D (3D-01, 3D-02, éval MSE Lego 100x100) #19949

Part of #18605 — Pli 2 (R-nerf), déverrouillé par la fermeture de la sous-issue du Pli 1 (#18783, livré par #18791). Mission dispatchée par ai-01 (DM ai01-c1413-fold2-unlocked, ackée). Scope : NeRF uniquement — pas de Fourier (pli 1 livré), pas de gsplat (pli suivant, addendum du 30/09).

Livrable (spécification du parent, Pli 2 — R-nerf : Neural Radiance Fields [GenAI 3D, fondation])

Crée la série MyIA.AI.Notebooks/GenAI/3D/ (nouveau sous-dossier) :

1. 3D-01-NeRF-From-Scratch.ipynb — réimplémentation pédagogique du pipeline NeRF (~200 lignes PyTorch) sur une scène jouet (toy scene ou low-res Blender Lego subset), avec sortie matplotlib des novel views. Pas un fork de bmild/nerf — un digest commenté. Contenu : positional encoding (pont avec 3.4d-Fourier-Features du Pli 1), MLP à skip-connections, échantillonnage le long des rayons, volume rendering alpha-compositing from scratch, entraînement avec courbe de perte et strip de progression des novel views. Exercices stubbés conformes C.1 (pas d'erreur volontaire).
2. 3D-02-NeRF-Critic.ipynb — les 5 limitations explicites, chacune adossée à une figure mesurée :
   • training long (optimisation par scène),
   • aliasing hautes fréquences sans Fourier features (pont Pli 1),
   • dépendance aux poses précises (COLMAP),
   • aliasing anti-aliasing / conique (Mip-NeRF, le point observé vs le frustum),
   • volume rendering coûteux (échantillons × rayons × mémoire).
3. Évaluation comparative : 1 scène Blender (Lego, 100×100 low-res), MSE entre novel views rendues et ground truth — handout sur le compromis qualité/temps/itérations.

Acceptance

• Série GenAI/3D/ créée avec README de série (style des séries sœurs, français)
• 3D-01 : pipeline NeRF complet from-scratch exécutable, ≥3 exercices stubbés C.1, exécuté avec outputs (C.2), novel views matplotlib
• 3D-02 : 5 limitations, chacune avec figure produite par une expérience (pas une affirmation)
• Éval MSE/PSNR sur Lego 100×100 avec table itérations vs qualité
• _quarto.yml : entrées render ajoutées + compte du header re-mesuré sur l'arbre (jamais édité ligne à ligne)
• Verdicts SOTA dans le body PR : SOTA-OK lecture / RECOVERABLE-LOCAL exécution (GPU recommandé, CPU jouable toy scene)
• Catalogue byte-identique à main (régénération interdite sur branche feature)

Contexte

• Papier : Mildenhall et al., NeRF, arXiv:2003.08934 (ECCV 2020) — PDF dans le gisement G:\Mon Drive\MyIA\IA\Bibliographie IA
• Code de référence : bmild/nerf (TF1.15) — source de lecture, jamais de fork ; le digest est du code original commenté
• Pré-requis conceptuel Pli 1 : spectral bias / Fourier features — 3.4d-Fourier-Features-Biais-Spectral-Python.ipynb (ML/DataScienceWithAgents/03-DeepLearning) est référencé depuis 3D-01
• La lacune 3D est confirmée par l'audit EPIC origami : lacunes pédagogiques vérifiées — dispositifs pour l'apprenant d'abord, puis contenus confirmés absents #18220 pli 3 (« 3D (nuages de points, NeRF, splatting) : confirmé absent »)

🤖 Generated with Claude Code