Responsables d'équipe : Michaël Clément et Jean-Luc Rouas
La révolution liée à l’intelligence artificielle en traitement de l’image de la vidéo et du son, a grandement modifié les techniques développées au sein de notre équipe. Les travaux des membres de l'équipe TAD convergent vers l’apprentissage profond. Ces travaux ont donné lieu à des contributions scientifiques dans divers domaines : l’augmentation de données, le traitement de données massives, l’apprentissage dans un contexte où peu de données sont labellisées, ou encore l’apprentissage collaboratif.
Nos travaux de recherche portent principalement sur les domaines suivants :
Fusion de données. Nos travaux portent sur la fusion de données variées : vidéo, son, LIDAR, image, IRM, texte, multimédia, etc. Nos méthodes avancées d’apprentissage profond ont permis la reconstruction d’artefacts anciens (papyrus, vases, crânes). L’équipe a proposé des travaux originaux sur la reconstruction précise d’environnements urbains à partir de données multimodales combinant des sources laser et optique. Nous avons également proposé un modèle hybride de temps permettant de fusionner des données statiques et temps réel au sein d’une partition interactive multimédia.
Traitement de données Plusieurs projets incluent le traitement et restauration de données. Par exemple, nos nouvelles méthodes de colorisation de photos et vidéos en noir et blanc permettent d’obtenir un rendu réaliste. Nous avons également travaillé sur la complétion de données manquantes dans les acquisitions LiDAR.
Extraction de connaissances. Nous avons une expertise reconnue dans le domaine de la segmentation, détection d’objets et d’événements, classification, fouille de données, etc.
Nous travaillons sur des méthodes d’intelligences artificielles et de traitement du signal. Par exemple, nos méthodes de segmentation 3D sont appliquées aux images médicales. Celles de segmentation 2D à la segmentation de données LIDAR, de vêtements ou de visages. Nous proposons également des outils de localisation sonore et d’analyse musicale proches de la perception. Nos travaux portent également sur la détection d’états cognitifs tels que la somnolence ou la dépression à partir de l’analyse de la voix.
Production de connaissances :
Nous développons des algorithmes de classification et d’intelligence artificielle allant de l’aide au diagnostic médical jusqu’à la recommandation musicale.
Nous contribuons au développement de bases de données d’images : images naturelles, images médicales, images de documents, etc.
Enfin, nous avons une forte expertise en analyse de données massives. Les résultats de nos travaux en traitement du signal audio musical ont permis le développement de solutions industrielles traitant des catalogues de dizaines de millions de titres, utilisées par de nombreuses entreprises internationales du domaine de la musique numérique.
Lien vers nos groupes de recherche :