Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Sujet de thèse Exploitation des maillages 3D par réseaux de convolution Domaine

Sujet de thèse Exploitation des maillages 3D par réseaux de convolution Domaine Science et technologie de l'information et de la communication Spécialité Informatique Mots clefs Machine learning, deep learning, Artiﬁcial Intelligence, 3D image processing/analysis, graphs Type de thèse Co-dirigée ( Université Ibn Toﬁal & Université de Caen Normandie) avec possibilité de co- tutelle Pays Maroc France Laboratoire d'accueil Systèmes Electroniques, Traitement de l'information, Mécanique et Energétique (SETIME) - Equipe Traitement de l'Information Groupe de recherche en informatique, image, automatique et instrumentation de Caen (GREYC) - Equipe IMAGE Directeurs de thèse Pr. Raja Touahni Pr. Olivier Lézoray Co-directeur Pr. Anass Nouri Pr. Christophe Charrier Contexte Les données tridimensionnelles (maillages/nuages de points 3D) représentent un des contenus les plus émergents de notre époque. Ceci a été rendu possible avec les différentes méthodes récentes permettant d'acquérir/représenter les objets/scènes 3D environnants en des modèles 3D digitaux (scanners 3D, reconstruction 3D à partir d'images, etc.). Ces données complexes sont caractérisées par des grilles non régulières, un espace non- Euclidien ainsi que la présence de couleur ou de texture. Par conséquent analyser ces données constitue un déﬁ scientiﬁque important. Problématique & Méthodologie Aﬁn d'exploiter efﬁcacement les interactions entre les caractéristiques de ces données, nous pouvons utiliser la représentation des signaux sur graphes. La combinaison des méthodes issues de la théorie des graphes, de l'analyse d'images et du deep learning n'a pas encore été sufﬁsamment étudiée dans la littérature. Nous nous focaliserons sur 3 axes/applications basés sur le deep learning combiné avec la représentation de signaux sur graphe : 1) L'évaluation de la qualité des maillages 3D colorés et non colorés. 2) La segmentation des maillages 3D colorés. 3) La coloration automatique des maillages 3D. Les approches proposées peuvent être appliquées dans les domaines suivants : industrie automobile, jeux vidéos, cinéma, création artistique, compression te transmission des données 3D et l'interprétation des scènes. Un des objectifs de cette thèse est de développer un prototype associé à l'un de ces domaines. Quelques références [1]A. Nouri, C. Charrier, O. Lézoray "A Genetically-based Combination of Visual Saliency and Roughness for F.R. 3D Mesh Quality Assessment - A statistical study" in The Computer Journal 2020. https://doi.org/10.1093/comjnl/bxaa089 [2] Abouelaziz, I.,et al. "3D visual saliency and convolutional neural network for blind mesh quality assessment". Neural Comput & Applic (2019). https://doi.org/10.1007/ s00521-019-04521-1 [3] Zhenpei Yang et al. "Learning Generative Neural Networks for 3D Colorization" AAAI, 2018 [4] Xu Cao and KAtashi Nagao, "Point Cloud Colorization Based on Densely Annotated 3D Shape Dataset", 25th International Conference, MMM2019. Proceedings, Part1 [5] Kang Chen, Kun Xu, Yizhou Yu, Tian-Yi Wang, and Shi-Min Hu. 2015. Magic decorator: automatic material suggestion for indoor digital scenes. ACM Trans. Graph. 34, 6, Article 232 (October 2015), 11 pages. DOI:https://doi.org/10.1145/2816795.2818096 Proﬁl recherché - Les candidats doivent être détenteurs d'un diplôme Master/Ingénieur (d'état) dans l'un des domaines suivants : science de données, mathématiques appliquées, informatique avec un fort intérêt pour l'analyse d'images et la vision par ordinateur. - Les candidats doivent avoir des connaissances solides en programmation : C/C++, Python ainsi qu'en mathématiques. - Les candidats doivent disposer d'un esprit créatif, critique et autonome. Des qualités rédactionnelles en Français et Anglais sont essentielles. - Les candidats doivent avoir un vif intérêt pour la recherche scientiﬁque. Modalité de candidature Les candidats sont invités à adresser leurs dossiers de candidature comprenant leur CV, relevés de notes L1, L2, L3, M1 & M2, une lettre de motivation et une éventuelle lettre de recommandation par email aux adresses suivantes : anass.nouri@uit.ac.ma & touahni.raja@uit.ac.ma. Date limite : 30 Décembre 2020. uploads/Science et Technologie/ sujetthese-1-kenitra-short.pdf