Sujet de thèse

Créativité Computationnelle : Deep Learning pour la Génération et Manipulation par Ordinateur de Photographie, Vidées, 3D

  • Type
    Doctorat Post-doctorat
  • Mots-clés
    Créativité Computationnelle, Art Informatique, Apprentissage Machine, Traitement d’Images, Réseaux de Neurones Profonds

Description

Le but de cette recherche est de développer de nouvelles méthodologies permettant la modélisation générative de contenu audiovisuel. Ces modèles génératifs permettent effectivement à un ordinateur de créer de nouveaux contenus en échantillonnant les modèles. Des publications scientifiques récentes ont suggéré les capacités de tels modèles à produire des sons, de la musique, des photographies, ou même l’art génératif convainquant. L’accent dans ce travail sera de rendre ces approches plus utiles pour les artistes et les créatifs, en développant de nouvelles méthodes permettant de contrôler paramétriquement les résultats générés ou manipulés. Différentes approches d’apprentissage par la machine seront étudiées: machines de Turing neurales, HMMs, réseaux « adversarials », apprentissage par renforcement, modèles larges et profonds, plongements multidimensionnels, conversion de séquence à séquence, réseau de neurones récurrents. La recherche permettra au candidat de développer une expertise unique et transférable en apprentissage machine avancé, en Intelligence Artificielle, et en Big Data. Le chercheur sera intégré au sein d’un groupe important de chercheurs en apprentissage profond impliqués dans diverses collaborations régionales et internationales.

À propos de ce sujet de thèse

Lié à
Service
Théorie des circuits et Traitement du signal
Promoteur
Stéphane Dupont

Contactez-nous pour obtenir de plus amples informations