Annonce

Les commentaires sont clos.

Post-doc H/F : Couplage des méthodes d'apprentissage de dictionnaire et réseaux de neurones pour la génération d'images (UMR6072-DAVTSC-005)

8 Novembre 2021


Catégorie : Post-doctorant



Informations générales

Intitulé de l'offre : Post-doc H/F : Couplage des méthodes d'apprentissage de dictionnaire et réseaux de neurones pour la génération d'images
Référence : UMR6072-DAVTSC-005
Lieu de travail : CAEN
Date de publication : lundi 25 octobre 2021
Type de contrat : CDD Scientifique
Section CN : Sciences de l'information : traitements, systèmes intégrés matériel-logiciel, robots, commandes, images, contenus, interactions, signaux et langues
Durée du contrat : 18 mois
Date d'embauche prévue : 1 janvier 2022
Quotité de travail : Temps complet
Rémunération : Entre 2700 et 3000 euros bruts selon votre expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

 

Modalités de candidature:

 

La date de démarrage du post-doctorat est possible entre janvier et avril.

Les candidatures doivent se faire sur le portail emploi du CNRS : https://emploi.cnrs.fr/Offres/CDD/UMR6072-DAVTSC-005/Default.aspx

 

Version Française:

 

Missions

Si des résultats impressionnants dans le domaine de la génération d'images ont été obtenus récemment grâce à l'apprentissage profond, les réseaux de neurones ont encore l'inconvénient d'être de grandes boîtes noires très complexes dont le fonctionnement est difficile à expliquer, et pour lesquelles le contrôle par l'utilisateur reste incertain. On peut, par exemple, prendre le cas des GANs pour lesquels il est difficile de savoir si les images créées sont réellement nouvelles, pour lesquels il est difficile de comprendre comment le processus de génération fonctionne d'un point de vue géométrique et quel est le rôle du nombre massif de paramètres qui le composent.

Avec ce post-doctorat, nous visons à imaginer, caractériser et utiliser de nouveaux modules de projection de données pour les réseaux de neurones, plus explicables géométriquement, pour la génération d'images photo-réalistes, avec des applications à la photographie computationnelle et à l'imagerie artistique : débruitage et super-résolution d'images, génération de visages réalistes, etc.

Activités

Les modules que l'on cherche à mettre en œuvre s'inspirent des méthodes d'apprentissage non-locales "par patchs" et par dictionnaires, qui restent des méthodes classiques relativement efficaces au regard du très petit nombre de paramètres dont elles ont besoin. Ces méthodes offrent également un contrôle plus fin de l'utilisateur sur la génération des images obtenues, que les méthodes GAN, qui s'apparentent plus à des boîtes noires difficilement contrôlables et interprétables. À ce titre, notre approche s'inscrit dans le champ récent de l'IA explicable, un concept qui est fondamental pour les questions sociétales actuelles.

Avec cette proposition de post-doc, nous souhaitons explorer la combinaison algorithmique d'approches de "réseaux neuronaux profonds" et de nouvelles couches basées sur la "projection de données d'images" (dans l'espace de dictionnaires appris ou préappris) afin de bénéficier du meilleur des deux mondes : d'une part, des capacités de génération d'images photo-réalistes, et d'autre part, des modèles plus légers en nombre de paramètres.

Compétences

Le candidat doit être titulaire d'un doctorat avec un sujet en lien avec l'apprentissage automatique pour le traitement d'images. Une expertise en programmation Python et en utilisation des bibliothèques d'apprentissage statistiques usuelles (Pytorch, Tensorflow, Keras, ..) est attendue.

Contexte de travail

Ce post-doc de 18 mois se déroulera dans l'équipe IMAGE du laboratoire GREYC, à Caen / France. Il sera encadré par David Tschumperlé (Chargé de recherche CNRS, HDR, Responsable d'équipe), Julien Rabin (Maître de Conférences UNICAEN) et Loïc Simon (Maître de Conférences ENSICAEN).

Le laboratoire GREYC (Groupe de Recherche en Informatique, Image, Automatique et Instrumentation de Caen) est une unité de recherche mixte associée au CNRS (à titre principal à l'INS2I et à titre secondaire à l'INSIS), à l'Université de Caen Normandie (UNICAEN) et à l'Ecole Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN). Il a été fondé en 1995 (UMR CNRS depuis 2000) par la fusion de plusieurs équipes de recherche en informatique et électronique.Le laboratoire est composé de 160 membres avec 81 chercheurs et enseignants-chercheurset 19 ITA-BIATSS. Le GREYC effectue des recherches fondamentales, méthodologiques et appliquées sur des problématiques relevant des sciences du numérique. Il est reconnu par des contributions originales, des réalisations matérielles et logicielles, des validations expérimentaleset des collaborations pluridisciplinaires. Le laboratoire GREYC est hébergé par ses tutelles universitaires principalement sur le site du campus 2 de Caen (UFR des Sciences et ENSICAEN). La recherche est principalement effectuée au sein de ses équipes qui jouent un rôle important dans le paysage scientifique régional, national et international.

- Les activités de recherche de l'équipe Image du GREYC sont centrées sur le développement de nouvelles méthodes de traitement et d'analyse de signaux/images/vidéos ou de données discrètes, en s'attachant à lever les verrous théoriques, algorithmiques, méthodologiques et pratiques. Plusieurs de ces méthodes sont appliquées pour la résolution de problèmes concrets, en bénéficiant notamment de collaborations avec des centres de recherche bas-normands en imagerie biomédicale.

Ce contrat sera financé via le projet RIN Emergent DeepLightProj, subventionné par la région Normandie.

Contraintes et risques

Aucuns risques particuliers

 

 

English version:

Missions

If impressive results in image generation have been obtained thanks to deep learning, neural networks have still the disadvantage of being
very complex big black boxes whose functioning is difficult to explain, and for which control by humans remains out of reach. We can, for example, take the case of GANs
for which it is difficult to know if the images created are really new, for which it is difficult to understand how the generation process works from a geometric side
and what are the role of the massive number of parameters that make it up.

In this context, we aim at imagining, characterizing and using new generic network layers (or "modules") of data projections, more geometrically and photometrically explainable
for the generation of photo-realistic images, with applications to computational photography and artistic imagery: image denoising and super-resolution, generation
of realistic faces, etc.

Activities

The layers we imagine to implement are inspired by non-local "patch-based" and dictionary learning methods,
which remain relatively efficient classical methods regarding the very small number of parameters they need. These methods also offer a finer user control over the generation of the images
obtained than GAN methods, which are more like "black boxes", difficult to control and interpret. As such, our approach falls within the recent field of explainable AI,
a concept that is fundamental to current societal issues.

With this post-doc proposal, we wish to explore the algorithmic combination of "deep neural networks" approaches and new layers based on "image data projection"
(in the space of learned or prelearned dictionaries) in order to benefit from the best of both worlds: on the one hand, photo-realistic image generation capabilities,
and on the other hand, lighter models in number of parameters.

Skills

The candidate must hold a PhD with a subject related to machine learning for image processing. Expertise in Python programming and in the use of common deep learning libraries (Pytorch, Tensorflow, Keras, ..) is expected.

Work Context

This 18 months post-doc will take place in the IMAGE team of the GREYC laboratory, in Caen / France. It will be supervised by David Tschumperlé (CNRS research fellow, HDR, team leader), Julien Rabin (UNICAEN lecturer) and Loïc Simon (ENSICAEN lecturer).

The GREYC laboratory (Research Group in Computer Science, Image, Automation and Instrumentation of Caen) is a joint research unit associated with the CNRS (mainly INS2I and secondarily INSIS), the University of Caen Normandy (UNICAEN) and the Ecole Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN). It was founded in 1995 (UMR CNRS since 2000) by the merger of several research teams in computer science and electronics.160 members with 81 researchers and teachers-researchers and 19 ITA-BIATSS. GREYC carries out fundamental, methodological and applied research on problems related to digital sciences. It is recognized for its original contributions, hardware and software achievements, experimental validations and multidisciplinary collaborations. The GREYC laboratory is hosted by its university supervisors mainly on the campus 2 of Caen (UFR des Sciences and ENSICAEN). The research is mainly carried out within its teams which play an important role in the regional, national and international scientific landscape.

- The research activities of the GREYC Image team are focused on the development of new methods for processing and analyzing signals/images/videos or discrete data, with the aim of removing theoretical, algorithmic, methodological and practical obstacles. Several of these methods are applied to solve concrete problems, benefiting in particular from collaborations with research centers in the Lower Normandy region in biomedical imaging.

This contract will be financed through the RIN Emergent DeepLightProj project, subsidized by the Normandy region.

Constraints and risks

 

no particular risks