Vision & Concept

Decathlon a intégré, dans Decathlon DX (son magasin-laboratoire réservé aux adhérents où l'enseigne teste en conditions réelles les innovations retail avant un éventuel déploiement plus large), un scanner corporel signé Treedy's, technologie assistée par IA permettant d'obtenir les mesures exactes d'une personne habillée pour de l'aide à la vente vêtement.

• Au-delà de la mesure : l'idée était de transformer un scan purement utilitaire (prise de mesure pour la taille de vêtement) en une expérience mémorable, en offrant au visiteur un "souvenir" numérique de son passage.
• Direction artistique : le nuage de points brut issu du scan est mis en scène dans une esthétique synthwave/cyberpunk, en phase avec la vague visuelle qui dominait à cette période, avec une silhouette lumineuse qui se dessine progressivement dans le noir.

Contexte & Enjeux de Production

• Un scan, un souvenir, par visiteur : chaque passage au scanner devait générer un rendu individuel, sans intervention manuelle et sans ralentir le flux du magasin.
• Un rendu de qualité, mais pas de budget temps réel live : produire une animation fluide et léchée par visiteur excluait un rendu interactif classique, il fallait une solution capable de produire beaucoup de frames très vite, en autonomie.
• Livraison au client : le rendu final (vidéo qui loop) était transmis à Treedy's par email, à charge pour eux de le restituer côté Decathlon.

Breakdown du Pipeline Technique

Scan (CSV) → Position Map → Particules → Vidéo

Intention Narrative : faire ressentir au visiteur que son propre corps devient une matière lumineuse, numérique, un clin d'œil direct à l'imaginaire cyberpunk du scan corporel.

Défi : transformer un nuage de points brut (export CSV du scanner Treedy's) en une animation de particules propre et fluide, à produire rapidement pour chaque visiteur, sans rendu temps réel live coûteux.

Solution : le nuage de points est encodé dans une texture (position map) lue par un VFX Graph sous Unity, qui instancie une particule par point scanné. Unity a été choisi pour sa rapidité de chargement du modèle 3D et sa capacité à produire des rendus frame par frame à très haute vitesse : la vidéo n'est donc pas jouée en temps réel par le visiteur, mais générée en accéléré, frame par frame, puis les frames sont recompilées en vidéo bouclée via FFmpeg. L'ensemble du pipeline tourne headless sur une machine Linux dédiée pour maximiser la vitesse de génération (partie Linux développée par Stephan Sturges).

La position map générée par le script : chaque pixel encode une position XYZ, d'où le bruit RGB (normal, ce n'est pas une texture couleur classique).

Extrait de code : BuildPositionMap(), le twist du pas premier

// The point count never fills a perfect square exactly, so there are
// always leftover pixels at the end of the texture. Rather than leaving
// them empty or naively duplicating the last points (visible clump of
// overlapping particles on screen), we loop back over the point cloud
// with a prime step. Coprime with the array size, it spreads the
// duplicates pseudo-randomly across the whole texture instead of
// stacking them in one spot.
Texture2D BuildPositionMap(List<Vector3> positions)
{
    int pointCount = positions.Count;
    int width = Mathf.CeilToInt(Mathf.Sqrt(pointCount));

    Texture2D positionMap = new Texture2D(width, width, TextureFormat.RGBAHalf, false);
    positionMap.filterMode = FilterMode.Point;

    int sequentialIndex = 0;
    int wrapIndex = 0;
    const int primeStep = 132049; // prime step

    for (int y = 0; y < width; y++)
    {
        for (int x = 0; x < width; x++)
        {
            int index = sequentialIndex < pointCount ? sequentialIndex : wrapIndex % pointCount;
            Vector3 p = positions[index];

            positionMap.SetPixel(x, y, new Color(p.x, p.y, p.z));

            sequentialIndex++;
            wrapIndex += primeStep;
        }
    }

    positionMap.Apply(false, true);
    return positionMap;
}

Contexte : Une Collaboration de Longue Date avec Treedy's

Ce projet s'inscrit dans une relation continue avec Treedy's, pour qui j'étais déjà intervenu sur deux volets de R&D en amont :

• Moteur de simulation pour données d'entraînement : développement sous Unity et Houdini d'un moteur de génération d'images synthétiques, utilisé pour entraîner leur modèle d'IA de reconnaissance corporelle.
• Simulation vêtement (R&D avec la VUB) : en partenariat avec un chercheur de la VUB, génération de données synthétiques de simulation de vêtement pour extraire la silhouette corporelle sous les habits, la base R&D de ce que Treedy's a depuis industrialisé sous le nom de "naked-net".