Stage : Méthodes pour la génération et la reconnaissance d’images réalistes

Cesson-Sévigné, le 08/10/20

A propos de b<>com

Fournisseur de technologies pour les entreprises qui souhaitent accélérer leur compétitivité grâce au numérique, b<>com est au service des industries culturelles et créatives, des infrastructures numériques, de la défense, de l’industrie 4.0 et de la santé. Ses laboratoires mixent les talents de disciplines et cultures multiples dans les domaines de l’intelligence artificielle, de la vidéo et l’audio immersif, de la protection de contenus, des réseaux 5G, de l’internet des objets et des technologies cognitives… Issus des mondes industriel et universitaire, ses chercheurs et ingénieurs évoluent sur son campus de Rennes et ses sites de Paris, Brest et Lannion. Grâce à son équipe d’ingénierie avancée et ses moyens scientifiques propres, b<>com propose à ses clients des ingrédients et des solutions qui font la différence.

Descriptif de la mission

Générer des images réalistes (de visages, d’animaux, d’écriture manuscrite, etc.) est un des objectifs majeurs de l’intelligence artificielle. Les applications potentielles sont nombreuses, notamment la super-résolution ou le retrait d’occlusions.
Mathématiquement, générer des échantillons d’images convaincantes revient à approcher la distribution génératrice des données d’entraînement. Parmi les méthodes utilisées, les mélanges de gaussiennes proposent d’approcher la densité de probabilité explicitement par une somme pondérée de gaussiennes et un entrainement de 20mn), ils sont faciles à entraîner pour un réalisme de qualité moyenne. Les réseaux génératifs adversaires sont quant à eux apparus plus récemment et permettent d’approcher la distribution de manière implicite en cherchant à générer des échantillons difficile à distinguer statistiquement des données d’entraînement. Leur réalisme est supérieur aux GMM, mais au prix d’une complexité de calcul et de réglage d’hyperparamètres bien supérieure.

Ce stage a pour but de rapprocher ces deux méthodes en apparence antagonistes, en tirant le bénéfice de chacune d’elles, mais aussi d’élucider le mécanisme GAN d’approximation de densités quelconques à partir d’un germe aléatoire gaussien.

Profil recherché

Le stage d’adresse à un étudiant de niveau master, université ou école d’ingénieur, intéressé par la Recherche en Mathématiques Appliquées et Intelligence Artificielle. Des connaissances préalables en statistique paramétrique (estimateur du maximum de vraisemblance, tests d’hypothèses), la programmation en langage Python sont utiles.

Intérêt pour le stagiare

L’étudiant bénéficiera d’un encadrement expérimenté et de proximité. Il exercera des aptitudes à l’expérimentation aussi bien que des compétences théoriques pour approfondir et percer l’un des problèmes contemporains de l’Intelligence Artificielle.

Modalités

  • Durée : 5-6 mois
  • Date de démarrage : février-mars 2021
  • Localisation : Rennes (Cesson-Sévigné)
  • Candidature à envoyer à : job@b-com.com avec la référence IA2_REAL_2021