Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

22 octobre 2020

Restauration d'images et co-conception d'une optique non conventionnelle à l'aide de réseaux de neurones


Catégorie : Stagiaire


L'objectif du stage est de développer de nouvelles méthodes de restauration d'images basées sur des réseaux de neurones pour une optique non conventionnelle. A la frontière entre l'optique et le traitement d'images, le stagiaire se formera aux techniques de traitement par réseaux de neurones, mais également à de nouveaux outils de modélisation pour la conception de système optique. Enfin, le stagiaire sera sensibilisé à l'approche de conception conjointe de l'optique et du traitement de systèmes optroniques.

 

Depuis plusieurs années, l'ONERA (Office Nationale d'Etudes et de Recherche Aérospatiale) s'intéresse à la conception d'imageurs 3D compacts couplant des optiques non conventionnelles et des algorithmes d'estimation de profondeur permettant de fournir une information 3D fiable [1-3]. Récemment les travaux portant sur le Deep Depth Estimation [2] et le Deep Depth from Defocus [3] ont montré l'intérêt des réseaux de neurones pour l'estimation de profondeur monoculaire.


Cependant, l'utilisation d'optiques non conventionnelles dédiées à la 3D conduit le plus souvent à la diminution de la qualité des images. L'enjeu est alors de disposer d'une chaîne de traitement, parallèle à celle de l'estimation de profondeur, qui vise à restaurer la qualité des images. L'objectif du stage est dans un premier temps de développer un réseaux de neurones performant de restauration d'images pour une optique non conventionnelle, telle par exemple qu'une optique volontairement chromatique. Puis le stagiaire aura à investiguer l'optimisation conjointe des paramètres de l'optique et ceux du réseaux de neurones, approche dîte de co-conception pour maximiser la qualité image. Contrairement à la littérature actuelle reposant sur des modèles simples de l'optique[5], le stagiaire utilisera ici un outil de modélisation réaliste développé au DOTA[6,7]. Cet outil est compatible avec l'optimisation de réseaux de neurones, et permet de modéliser de manière fine les déformations locales de l'image pour une optique, en fonction de ses paramètres intrinsèques (rayon de courbure, épaisseur, distance entre lentille...). Pour ses travaux, le stagiaire pourra s'appuyer sur les compétences du DTIS en conception d'algorithmes d'apprentissage de type réseaux de neurones [2,3] et sur des travaux récents à l'ONERA concernant l'optimisation de conjointe d'une optique et d'un réseau de neurones dans des cas simples.

Suivant l'avancée du stage une validation expérimentale des réglages optimaux obtenues par simulation pourra être réalisée à l'aide des plateformes d'acquisitions de bases de données avec des optiques non conventionnelles disponibles à l'ONERA.

Le stage débutera courant mars/avril 2021, pour une durée de 4 à 6 mois. Une formation solide en traitements d'images et/ou optique est recherchée, une expérience en développement de traitements par réseaux de neurones est un plus.

Pour postuler, merci d'envoyer un CV et une lettre de motivation à pauline.trouve@onera.fr et jean-baptiste.volatier@onera.fr

Plus d'information sur ce lien.

[1] Conception conjointe optique/traitement pour imageur compact à capacité 3D, P. Trouvé, Thèse de Doctorat, 2012
[2] Deep depth estimation with monocular cues, M. Carvalho, Thèse de Doctorat (en cours de rédaction)
[3] Deep Depth from Defocus: how can defocus blur improve 3D estimation using dense neural networks? M. Pinheiro de Carvalho, B. Le Saux, P. Trouvé-Peloux, F. Champagnat, A. Almansa ECCV / Workshop on 3D Reconstruction in the Wild, Munich, Germany, September 2018.
[4] Turning a conventional camera into a 3D camera with an add-on, P. Trouvé-Peloux, J. Sabater, A. Bernard-Brunel, F. Champagnat, G. Le Besnerais, T. Avignon, Applied Optics, 57, 10, 2018.
[5] Deep Optics for Monocular Depth estimation and 3D object Detection, J. Chang and G. Wetzstein, ICCV, 2019
[6] Differential method for freeform optics applied to two-mirror off-axis telescope design, J-B Volatier and G. Druart, Opt. Lett. 44, (2019).
[7] Generalization of differential ray tracing by automatic differentiation of computational graphs, J.-B. Volatier, Á. Menduiña-Fernández, and M. Erhard, JOSA A. 2017

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.