Thibault Lejemble

Thibault Lejemble

Auto-generated profile, based on publicly available information

Thibault Lejemble

Cerema Toulouse France

Research Focus & Metrics

Academic Career Length

6Years (2021-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
23 August 2021 in Computer Graphics Forum
Verified
Journal Article
Closed access
PDF file
TLT. Lejemble
T. Lejemble
DCD. Coeurjolly
D. Coeurjolly
LBL. Barthe
L. Barthe
NMNicolas Mellado
Nicolas Mellado

1 May 2025
Verified
Book Chapter
Open access
PDF file
MSMazigh Saoudi
Mazigh Saoudi
SBSouheib Baarir
Souheib Baarir
JSJulien Sopena
Julien Sopena
TLThibault Lejemble
Thibault Lejemble
In the evolving landscape of SAT solving, leveraging parallel computation has become increasingly significant. The portfolio strategy, combined with clause sharing, has emerged as the leading approach for both local and distributed parallelization on CPUs. Frameworks such as Mallob exemplify the effectiveness of this strategy by providing a straightforward method to deploy portfolio parallel solvers across various computing environments. Similarly, the "Image missing" framework specializes in local parallelization, offering diverse strategies for task sharing and parallel execution. This enables the adoption of complex hybrid local parallelization techniques, including portfolio, divide-and-conquer, and cube-and-conquer methods. This paper presents "Image missing" , a new extension of the "Image missing" framework to include the distributed portfolio strategy and clause sharing. Our enhancement aims to broaden "Image missing" ’s functionality, enabling more effective and comprehensive distributed SAT solving methodologies.

30 April 2026 in Computer Graphics Forum
Verified
Journal Article
Open access
PDF file
LALéo Arnal–Anger
Léo Arnal–Anger
TLThibault Lejemble
Thibault Lejemble
DCDavid Coeurjolly
David Coeurjolly
LBLoïc Barthe
Loïc Barthe
NMNicolas Mellado
Nicolas Mellado
Recent advancements in 3D scanning technologies, including LiDAR and photogrammetry, have enabled the precise digital replication of real‐world objects. These methods are widely used in fields such as GIS, robotics, and cultural heritage. However, the point clouds generated by such scans are often noisy and unstructured, posing challenges for traditional geometry processing tasks. Accurately estimating differential properties like surface curvatures and normals is crucial for tasks such as shape matching and classification, but remains complex due to these inherent challenges. This paper reviews state‐of‐the‐art methods for estimating differential properties from 3D point clouds, with a focus on approaches that offer strong mathematical foundations and theoretical guarantees. We also benchmark these methods using various datasets, evaluating their performance in terms of accuracy, robustness, and efficiency. Our contributions include the release of datasets, tools, and code to promote reproducibility and support future research in this area.

4 April 2026
Verified
Thesis
Closed access
TLThibault Lejemble
Thibault Lejemble
Analyse multi-échelle de nuage de points: Les techniques d'acquisition numérique 3D comme la photogrammétrie ou les scanners laser sont couramment utilisées dans de nombreux domaines d'applications tels que l'ingénierie inverse, l'archéologie, la robotique, ou l'urbanisme. Le principal objectif est d'obtenir des versions virtuels d'objets réels afin de les visualiser, analyser et traiter plus facilement. Ces techniques d'acquisition deviennent de plus en plus performantes et accessibles, créant un besoin important de traitement efficace des données 3D variées et massives qui en résultent. Les données sont souvent obtenues sont sous la forme de nuage de points 3D non-structurés qui échantillonnent la surface scannée. Les méthodes traditionnelles de traitement du signal ne peuvent alors s'appliquer directement par manque de paramétrisation spatiale, les points étant explicités par leur coordonnées 3D, sans ordre particulier. Dans cette thèse nous nous focalisons sur la notion d'échelle d'analyse qui est définie par la taille du voisinage utilisé pour caractériser localement la surface échantillonnée. L'analyse à différentes échelles permet de considérer des formes variées et ainsi rendre l'analyse plus pertinente et plus robuste aux imperfections des données acquises. Nous présentons d'abord des résultats théoriques et pratiques sur l'estimation de courbure adaptée à une représentation multi-échelle et multi-résolution de nuage de points. Nous les utilisons pour développer des algorithmes multi-échelle de reconnaissance de formes planaires et anisotropes comme les cylindres et les lignes caractéristiques. Enfin, nous proposons de calculer une paramétrisation 2D globale de la surface sous-jacente directement à partir de son nuage de points 3D non-structurés.