En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Thèse en informatique (H/F)

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : jeudi 27 janvier 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR7357-HYESEO-004
Lieu de travail : STRASBOURG
Date de publication : jeudi 6 janvier 2022
Nom du responsable scientifique : Hyewon Seo
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 mars 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

L'étude de doctorat proposée s'articule autour des trois tâches suivantes :
1. Un modèle humain 4D photo-réaliste sera développé, en couplant un modèle humain géométrique et des composants de couleur et d'éclairage de manière à générer toute forme, pose et attribut souhaités. Nous construirons notre modèle humain en nous appuyant sur nos travaux antérieurs ainsi que sur d'autres modèles humains géométriques standard tirés de plusieurs images de personnes réelles. Des efforts supplémentaires seront faits pour consolider le modèle en ajoutant un module de drapage de tissu et de vêtement, toujours sur la base de nos travaux précédents.
2. L'évolution du modèle humain au fil du temps en raison du mouvement sera apprise par un réseau de neurones profonds (DNN), sur des multiples d'ensembles de données de mouvement annotées. Nous nous concentrerons sur les combinaisons de RNN et d'autoencodeurs variationnels, permettant une prédiction stochastique des séquences de formes et de poses dans un espace latent. Différentes représentations de données et hyperparamètres de réseau seront expérimentés, pour obtenir les meilleurs résultats.
3. Un problème inverse sera formulé pour reconstruire un modèle humain 4D à partir d'une image, d'une vidéo ou d'une simple commande d'action. Tous les composants du modèle seront développés de manière différentiable, de sorte qu'un problème inverse puisse être formulé : Étant donné une donnée d'observation, nous pourrons construire une instance de modèle par un ajustement optimal du modèle et même prédire son état futur.

Contexte de travail

La vision robotique pour la cognition humaine ne fonctionne souvent pas bien dans la situation réelle, malgré les résultats perturbateurs obtenus dans la vision par ordinateur et l'intelligence artificielle. Alors que la plupart des données d'entraînement ont été collectées dans des arrière-plans bien conditionnés et faciles à isoler, les vidéos sauvages du monde réel peuvent contenir diverses conditions environnementales telles que l'éclairage, les motifs d'arrière-plan et, plus notoirement, les occlusions. Ce dernier devient la source de problèmes récurrents de cognition humaine par les robots de soins en situation interne. De grandes variations dans la forme du corps, les mouvements, les vêtements et les interactions fréquentes avec les objets contribuent également à la difficulté. Enfin, la visualisation de la dynamique en déplaçant des robots et des humains est une autre source du problème. Les méthodes basées sur l'apprentissage reposant sur un ensemble de données montrent inévitablement des performances limitées, car il est presque impossible de collecter un grand ensemble de données annotées couvrant toutes les configurations possibles de la scène du monde réel.
Les approches d'apprentissage basées sur des modèles sont de bonnes alternatives à ce problème, comme cela a été confirmé par un nombre considérable de travaux antérieurs sur la reconnaissance du visage et du corps humains à partir d'images basées sur des modèles 3D préconstruits. Cependant, de nombreux modèles existants ne considèrent que la géométrie du visage ou du corps humain de manière isolée, ce qui rend difficile une situation réelle impliquant des obstacles ou des objets environnementaux. Dans ce projet, nous adopterons également une approche basée sur un modèle mais avec un réalisme accru, une dimension supplémentaire (c'est-à-dire le temps) et au-delà. Notre objectif est de repousser les limites actuelles de la vision robotique dans la cognition humaine par des robots de soins en situation interne. L'objectif spécifique est de rendre les performances de la vision-intelligence robustes aux grandes variations (dans la forme du corps, les mouvements,..) à l'occlusion (tissu, meuble, mur,..), et capable de comprendre l'interaction en développant une photo -Modèle humain 4D réaliste et sensible à la physique.

Informations complémentaires

http://igg.unistra.fr/People/seo/StudentsJoboffer_files/PhD_2022.pdf

On en parle sur Twitter !