Topic outline

  • Projets proposés par des tuteurs potentiels (2022/2023)

  • Projet de 3A - Image-vision-apprentissage

    Règles du projet

    • Le projet se déroule sur les 2 parties de l'années (de september jusqu'à mars), il est optionnel et en supplément des 4 cours par période.
    • Le projet doit posséder une composante technique et scientifique dans les thématiques de votre parcours.
    • Vous devez nécessairement être suivi par un tuteur.
    • Sauf exceptions, le projet est réalisé de manière individuelle.

    Objectif:
    L'objectif du projet est de vous familiariser et vous donner une première expérience d'un projet de R&D ou de recherche. A l'opposé des projets de cours, les projets de ce module sont généralement des questions relativement ouvertes sur lesquels vous devez: lire et comprendre de la bibliographie sur l'existant, proposer une ou plusieurs approche possible permettan d'améliorer l'existant, implémenter un prototype de votre solution, tester et valider vos résultats. Vous travaillez de manière autonome échangeant régulièrement avec votre tuteur qui discutera avec vous des pistes à explorer.

    Notez que ce projet nécessite un investissement personnel important (une demi-journée de travail minimum + point avec votre tuteur). Il demande également une capacité de reflexion et de développement de manière autonome.


    Remarques:

    • C'est à vous de contacter vos possibles tuteurs. Essayez de les contacter rapidement car les tuteurs ne peuvent pas encadrer trop de projets.
    • Il est possible de proposer vous même votre sujet: vous devez alors contacter un tuteur acceptant de vous encadrer sur ce projet.

    Déroulement des projet:

    • Le déroulement précis du projet est à voir et adapter en fonction de votre sujet et tuteur.
    • Il est fortement encouragé que vous rencontriez physiquement (lorsque cela est possible) votre tuteur de manière régulière - idéalement une fois par semaine.

    Evaluation:
    Deux évaluations auront lieu par un enseignant chercheur du domaine IVA.

    1ère évaluation avant mi-décembre, sous la forme:
    - D'un rapport d'avancement cours (à mi-parcours) d'environ 5 à 10 pages.
    - D'une présentation orale rapide d'environ 15 min.

    2ème évaluation avant mi-mars, sous la forme:
    - D'un rapport de synthèse d'environ 10 à 15 pages.
    - D'une présentation orale d'environ 20 min.



    Exemples de projets proposés les années passée:

    • Spatio Temporal Neural Radiance Field for aerial data (Mathieu Brédif, Mathieu.Bredif@ign.fr)
    • Learning to reconstruct precise surfaces from voxel representations (Amal Dev Parakkat, adp.upasana@gmail.com)
    • Le dessin d'esquisse et la notion de courbure (Renaud Chabrier, renaud.chabrier@m4x.org)
    • HoloGAN set up (Maks Ovjanikov) 
    • Detection and localisation of scratches on car pictures (Belhal Karimi)
    • Alignment of 2D geologic maps for 3D digital terrain modeling (Pooran Memari)
    • Realistic particle collision engine in video game (Raphael Granier de Cassagnac)
    • Geometric analysis of uncertain scalar fields (Pooran Memari)
    • 3D Multi-Resolution Visualization of Neuro-Imaging Acquisition (Damien Rohmer, Anatole Chessel)
    • Barcode embeddings for metric graphics (Steve Oudot)
    • Monocular Depth Estimation (Renaud Keriven)
    • Deep learning for 3D point cloud segmentation (Renaud Keriven)
    • Anomaly detection of time series (Yanlei Diao)
    • Clustering and embeddings techniques for medical data (Jesse Read)
    • Deep learning for image registration (Stephanie Allassonnière)
    • Transfert de mouvement à d’autres morphologies (Marie-Paule Cani and Damien Rohmer, LIX)
    • De l’image d’un troupeau à un animal animé (Marie-Paule Cani and Damien Rohmer, LIX)
    • Analyse de corrélations et visualisation de données archéologiques (Pooran Memari)
    • Animer un objet 3D par la voix (Marie-Paule Cani and Damien Rohmer, LIX)
    • Social network visualization with geographic constraints (L. Castelli Aleardi, LIX)
    • Sketch-based 3D shape retrieval (par M. Ovsjanikov, LIX)
    • capture de la réalité et nouveaux défis (par Renaud Keriven, DIX)
    • On Support Vector Clustering (Frank Nielsen, DIX)
    • On robust and efficient implementation of k-levels of 3D arrangements of planes with applications (Frank Nielsen, DIX)
    • On visualizing tensor fields with applications (Frank Nielsen, DIX)
    • Distributed​ ​ Delaunay​ ​ Triangulation (Pooran Memari, LIX)