L’application de l’intelligence artificielle et des nuages de points LiDAR terrestres dans la surveillance des forêts : rapport académique Contexte académique Avec le changement climatique mondial et l’importance croissante de la gestion des ressources forestières, la sylviculture de précision (Precision Forestry) est devenue un axe clé de la gesti...

L’application de l’apprentissage profond dans la prédiction de la récidive postopératoire des gliomes de bas grade pédiatriques Contexte Les gliomes de bas grade pédiatriques (Pediatric Low-Grade Gliomas, PLGGs) sont l’un des types de tumeurs cérébrales les plus courants chez les enfants, représentant 30 à 50 % de toutes les tumeurs du système nerv...

Apprentissage de maillage à partir de la triangulation de Delaunay pour la représentation de formes 3D Contexte académique La reconstruction de surfaces à partir de nuages de points est un problème de longue date en vision par ordinateur et en infographie. Les méthodes implicites traditionnelles, telles que la reconstruction de surface par Poisson,...

Suivi dynamique des personnes par des robots de service utilisant des modèles de diffusion Contexte académique Le suivi des personnes dynamiques dans des environnements encombrés et peuplés est un problème complexe en robotique. En raison de variations intra-classe telles que les occlusions, les déformations de posture et les variations d’éclairage...

Contexte académique et problématique La vision stéréo multi-vues (Multi-View Stereo, MVS) est une tâche fondamentale en vision par ordinateur 3D, visant à reconstruire la géométrie 3D d’une scène à partir de plusieurs images prises sous différents angles. Cette technologie trouve des applications dans des domaines variés tels que la robotique, la c...

Contexte académique et problématique Ces dernières années, les réseaux de neurones profonds ont réalisé des progrès significatifs dans le domaine de la vision par ordinateur, en particulier dans des tâches telles que la reconnaissance d’images, la détection d’objets et la segmentation sémantique. Cependant, lorsqu’ils sont confrontés à des données ...

Contexte académique et problématique Avec les préoccupations croissantes concernant la confidentialité des données, l’apprentissage fédéré (Federated Learning, FL) est devenu un sujet de recherche important. Le FL permet à plusieurs clients de collaborer pour entraîner un modèle global sans partager leurs données, protégeant ainsi la confidentialit...

Contexte académique et problématique Ces dernières années, les modèles de réseaux de neurones profonds (Deep Neural Networks, DNNs) ont connu un succès remarquable dans les tâches de vision par ordinateur. Cependant, l’entraînement de ces modèles repose sur de grandes quantités de données annotées. Lorsque ces modèles sont appliqués à de nouveaux d...

Modèle PICK pour la segmentation semi-supervisée d’images médicales Contexte académique La segmentation d’images médicales est d’une importance cruciale dans la pratique clinique, car elle fournit des informations vitales sur les caractéristiques des organes ou des tumeurs, telles que le volume, la localisation et la forme. Ces dernières années, le...

Détection robuste des deepfakes séquentiels Contexte académique Avec le développement rapide des modèles génératifs profonds (comme les GANs), la génération d’images faciales réalistes est devenue très facile. Cependant, l’abus de cette technologie a soulevé de graves problèmes de sécurité, en particulier avec l’utilisation malveillante des deepfak...