Cohorte – Thème By Human

Sujet : Visual attention modeling for 3D scenes in Virtual and Mixed Reality
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Matthieu Perreira Da Silva,

Résumé :La thèse se situe dans le contexte du projet ANR PISCo (https://projet.liris.cnrs.fr/pisco/). L’objectif du projet est de proposer des algorithmes et outils permettant une visualisation interactive, des scènes 3D (AR/VR) avec une très haute qualité d’expérience utilisateur (user QoE). La scène 3D étant visualisée au travers une fenêtre donnée (le viewport), cette thèse vise à optimiser l’affichage dans cette fenêtre en considérant des modèles d’attention visuelle capable de prédire où l’observateur regarde, ou bien va regarder et ainsi sélectionner les primitives et niveaux de détails. L’originalité du projet réside dans la considération de données 3D riches, intégrant non seulement des informations géométriques mais également des attributs d’apparence et d’animation.

Sujet : Perceptual Tools in the Light Field Domain: Application to Natural Focus
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet,

Résumé :In each step of the imaging chain of Light Fields and volumetric data (e.g. acquisition, transmission, compression, etc.) different processing tools are developed to complete the tasks. Some amount of noise is introduced to the chain in each of these steps. The goal of this PhD is developing methods to measure the effect of various processing in the in the volumetric imaging on the Quality of Experience emphasizing the development of cognitive computing techniques(Bio inspired deep learning).

Sujet : Machine/Deep learning for network traffic and service management
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Benoît Parrein, Kandaraj Piamrat,

Résumé :The huge number of smart devices trigger a surge in traffic and applications. Under this explosion of traffic, machine/deep learning can be used to make the network self-managed and self- adaptive. The objective of this PhD is to study the behavior of network traffic using machine learning and deep learning models to improve network performance.
Financement : MESR

Sujet : TALMed : Traitement Automatique de la Langue Médical
Établissement : Université de Nantes
Laboratoire(s) : LS2N / CRTI
Encadrant(s) : Emmanuel Morin, Béatrice Daille, Pierre-Antoine Gourraud

Résumé :Développement de ressources et de méthodes spécifiques au domaine biomédical français pour l’extraction d’informations dans des comptes rendus hospitaliers.
Financement : AiBy4 – CRTI

Sujet : Vers une visualisation située d’une cartographie sensible des villes
Établissement : ECN
Laboratoire(s) : AAU
Encadrant(s) : M. Servières, T. Leduc, V. Tourre

Résumé :Qualification par apprentissage automatique de la perception de l’espace urbain par un piéton en mobilité pour un affichage de compléments d’information en Réalité Augmentée.
Financement : Centrale Nantes – RFI A2020

Sujet : Machine learning for perceptual optimization of video compression scheme under real-time constraint
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Jean-Marc Thiesse

Résumé :The objective is to study the perceptual optimization of video compression schemes in a real-time encoding framework for different levels of bitrate and types of content. The proposed approach uses a solution based on a machine learning model powered by both perceptual quality measurements and parameters internal to the encoder. The machine learning model would then drive the different modules responsible for video quality, such as the rate control, the QP variation, etc.

Sujet : Measure-based approaches for model order reduction
Établissement : ECN
Laboratoire(s) : LMJL/LS2N
Encadrant(s) : NOUY Anthony, MARX Swann, SEGUIN Nicolas

Résumé :The aim of this thesis is the development and analysis of new methods for model order reduction of parameter-dependent nonlinear equations by combining novel ideas from numerical analysis and computer science, and as a byproduct the development of new algorithms for various tasks in data science. Here, solutions of nonlinear equations are interpreted as measures, and model reduction is performed in measure spaces, using moment approaches and tools from computational algebraic geometry.

Sujet : Capturing and modelling the singularity of spatial trajectories
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Antoine Coutrot,

Résumé :Le projet est centré sur le jeu de données Sea Hero Quest, composé de trajectoires captées dans un jeu vidéo et des profils démographiques des joueurs. Le but est de développer des outils d’analyse de trajectoires permettant de faire le lien entre profil démographique et stratégies de déplacements et d’orientation.

Sujet : Collaboration IA/Humain pour l’analyse in situ de comportements issus d’environnements immersifs
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : PRIÉ Yannick, PERREIRA DA SILVA Matthieu

Résumé :Dans le cadre de l’analyse visuelle de données impliquant des algorithmes d’IA, les résultats générés ne sont pas forcément définitifs, mais ont pour but de faciliter le travail de l’analyste, lequel de son côté va guider ou ré-orienter le travail de l’IA. Analyste et IA doivent converger ensemble vers un même objectif en partageant un outil commun qui est la représentation des données et des modèles générés, laquelle devra à la fois être adaptée aux traitements IA et à la visualisation / intera…

Sujet : Dialogue humain machine pour l’assistance au diagnostic médical
Établissement : IMT atlantique
Laboratoire(s) : CRTI inserm U1064 et LS2N
Encadrant(s) : Franck Mars, Pierre Antoine Gourraud, Cédric Dumas

Résumé :Cette thèse entre dans le cadre du dialogue humain machine pour l’assistance au diagnostic médical, on s’intéresse aux mécanismes de dialogue (visualisation d’informations, interactions avec les données ou avec les algorithmes) qui permettent de conserver une compréhension suffisante du système et de son fonctionnement pour le médecin et/ou le chercheur.

Sujet : Evaluation and prediction of quality of experience in light-field and volumetric imaging
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Toinon Vigier,

Résumé :The use of Quality of Experience (QoE) assessment methods based on psychophysiology addresses the limitations of the usual approaches in subjective quality evaluation. Psychophysiology approaches utilize the measurement of physiological signals to detect correlations to psychological responses in humans. My PhD study aims to develop objective/indirect techniques to measure the QoE assessment for immersive and hyper-realistic contents.

Sujet : Indexation de bout-en-bout dans les bibliothèques numériques scientifique
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Beatrice Daille, Florian Boudin,

Résumé :Le nombre d’articles soumis aux bibliothèques scientifiques numérique (arXiv, …) augmente de plus en plus, la difficultée de navigation et de recherche aussi. Une indexation efficace est donc primordiale, elle utilise le contenu du document et ses termes-clés. Les termes-clés représentent les concepts principaux addréssés par le document. Malheureusement ils sont peu disponibles et couteux a annoter. Les méthodes d’extraction automatiques de termes-clés essaient de pallier à ce manque de dispo

Sujet : Extraction de Lexique Bilingue à l’aide de corpus comparable en domaine spécialisé
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Emmanuel Morin, Philippe Langlais,

Résumé :Les domaines spécialisés souffrent d’un manque de données et l’extraction de lexique bilingue présente donc des résultats contrastés. L’ajout de données générales permet en partie de palier à ce problème de manque de données, mais va introduire de la polysémie et compliquer certaines traductions. L’idée est donc de chercher à sélectionner seulement les données qui nous intéressent pour le domaine spécialisé en question et donc d’éviter ce problème de polysémie.

Sujet : Intelligibilité des réseaux de neurons récurrents par interpretation avec des machines à états finis
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Colin de La Higuera,

Résumé :Les réseaux de neurones récurrents représentent une famille importante de modèles Deep Learning adaptés à l’apprentissage à partir de données séquentielles. Cependant, comme avec tous les modèles de Deep Learning, cette classe de modèles est peu interprétable, ce qui restreint son déploiement dans des systèmes critiques. Le travail proposé dans cette thèse consiste à apporter des contributions sur un ensemble de questions permettant d’extraire une machine à états finis.

Sujet : Conversion d’image en encre numérique et réseaux de neurones profonds
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Harold Mouchère, Thibault Lelore,

Résumé :L’objectif de la thèse est de développer une solution de conversion d’images de prise de notes manuscrites sur papier ou tableau en encre numérique basée sur les réseaux de neurones profonds. Les notes des utilisateurs sont des contenus divers et variés : textes multilingues, équations mathématiques, diagrammes et dessins. Les approches classiques sont assez limitées : elles opèrent sous différentes hypothèses et emploient un ensemble d’heuristiques spécifiques à un type de contenu donné.
Financement : CIFRE – MyScript

Sujet : Extraction d’objets 3D dans des scènes 3D de façon non-supervisée
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Patrick LE CALLET, Anthony MOURAUD,

Résumé :Apprentissage de tâches effectuées par un humain par un robot –> pour cela, nécessité de découvrir les objets de la scène pour pouvoir les manipuler. Différenciation objets inutiles/objets d’intérêt de façon non-supervisée.

Sujet : Bimanual tasks Imitation learning
Établissement : LS2N
Laboratoire(s) : LS2N
Encadrant(s) : Patrick Le Callet, Kevin Subrin,

Résumé :–
Financement : AiBy4 – Université de Nantes

Sujet : Conception interactive en design sonore. Application aux scènes sonores, à l’habillage sonore et à la sonification.
Établissement : ECN
Laboratoire(s) : LS2N
Encadrant(s) : Jean-François Petiot, Nicolas Misdariis, Mathieu Lagrange

Résumé :La problématique de thèse consiste à mettre au point des outils et méthodes interactifs pour le design sonore et la conception de scènes sonores. Les enjeux scientifiques consistent à définir des outils pour intégrer l’expérience utilisateur dans le processus de conception. Centré sur l’interaction entre un concepteur/designer et la matière sonore, le projet vise à la valorisation de l’expérience utilisateur pour un design sonore interactif et participatif.

Sujet : Apprentissage profond pour l’aide au diagnostic et comparaison des mécanismes d’explicabilité avec l’attention visuelle humaine : application à la détection des lésions de la maladie de Crohn.
Établissement : UN
Laboratoire(s) : LS2N
Encadrant(s) : Harold Mouchère, Nicolas Normand, Antoine Coutrot

Résumé :La maladie de Crohn est une maladie chronique entraînant des lésions dans l’intestin grêle. Afin de pouvoir l’observer et ainsi établir un diagnostique de la maladie de Crohn, une capsule endoscopique à été développé. Cette capsule génère tout au long de la digestion des milliers d’images qui devront ensuite être revu par des experts. Afin de les aider dans cette tâche fastidieuse, nous développons un algorithme de d’apprentissage profond, basé sur un principe attentionnel.
Financement : Projet CROHN-IPI