Sujet de thèse

Modélisation et Compréhension Sémantique Complète de Scènes 3D utilisant l’Apprentissage Profond

  • Type
    Doctorat Post-doctorat
  • Mots-clés
    3D, Comporéhension Sémantique, Apprentissage Machine, Réseaux de Neurons Profonds

Description

Cette recherche fera progresser la vision par ordinateur et les méthodes d’apprentissage machine en permettant une compréhension complète par l’ordinateur de scènes dynamiques complexes, et de créer ainsi des modèles 3D sémantiques, où les scènes sont représentées en autres sous forme de graphes d’objets, de les attributs et de leurs relations. De nouveaux types de capteurs et caméras 3D ou même holographiques seront utilisés. Des applications seront sélectionnées dans les domaines de l’interaction (où les systèmes actuels ont été conçus et sont essentiellement utilisables dans des situations limitées, comme pour le jeux par exemple), et la production de médias (où un objectif spécifique sera de générer des descriptions verbales des scènes, ce qui aura à l’avenir un impact très important sur la production de contenus). 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