Annonce

Les commentaires sont clos.

PostDoc Rendu naturel d'images de synthèses

19 Novembre 2021


Catégorie : Post-doctorant


Proposition de postdoc d'une durée de 2 ans au Gipsa-lab en collaboration avec l'entreprise Corys à Grenoble, Rendu naturel d'images de synthèse par deep-learning

 

Profil de poste de post-doc : Rendu naturel d’images de synthèses de simulateurs

Durée : 2ans, Démarrage vers février 2022.

Lieu : GIPSA-lab, Grenoble

Salaire : 2700€ brut

Niveau : ingénieur-docteur ou master-docteur

Contexte

Ce postdoc s’inscrit dans une collaboration entre l’entreprise Corys (www.corys.com) et le laboratoire Gipsa-Lab (www.gipsa-lab.grenoble-inp.fr).

Corys est une entreprise développant des simulateurs pour le monde des Transports, du Nucléaire et des Procédés.

Historiquement, les simulateurs dynamiques utilisés dans le ferroviaire ou les transports urbains ont été développés pour des besoins de formation, afin de sécuriser et optimiser les actions des opérateurs. Avec l’augmentation des capacités de calcul et le déploiement de l’ingénierie système dans ces industries, ces modèles (les systèmes du train et de l’infrastructure ferroviaire/urbaine) ont été aussi déployés pour valider la conception de systèmes complexes en mettant en œuvre des maquettes numériques à grande échelle. Un pas supplémentaire est envisagé aujourd’hui pour tendre vers une réplique plus précise du monde réel et dans le cadre de ce post-doc, vers une réplique la plus naturelle possible, le rendu des images de synthèse 3D actuel n’étant pas assez naturel au sens photo-réaliste du terme. Corys dispose d’une base de vidéos naturelles acquises le long des voies de chemin de fer qui peuvent être utilisées pour le rendu des images synthétiques.

Gipsa-lab est un laboratoire du CNRS au sein de l’Université Grenoble Alpes travaillant dans les domaines du signal, de l’image, de la parole et de l’automatique. Ce postdoc s’inscrira dans le cadre des travaux de l’équipe ACTIV ayant une expérience forte dans le domaine de l’apprentissage profond et sur l’évaluation du caractère naturel des images.

Objectifs du Post-doc

L’objectif principal du travail proposé est de développer et mettre en œuvre des méthodes de génération d’images naturelles et réalistes pour des simulateurs de conduite ou d’amélioration d’images de synthèse déjà existantes pour les rendre plus réalistes. L’approche envisagée est le design d’un réseau de neurones profond de type GAN (Generative Adversarial Network) car les GAN ont montré une forte aptitude à produire des images extrêmement naturelles pour un observateur humain. Plusieurs parties sont alors envisagées :

  • ·Etude des techniques de photoréalisme, bibliographie sur les nouvelles méthodes relatives aux modèles d’apprentissage profonds génératifs, recherche de bases publiques disponibles à la recherche, voire acquisition de nouvelles bases à partir des dispositifs de Corys, implémentation d’une méthode existante ;
  • ·Amélioration du rendu réaliste des images de synthèse, apprentissage basé sur les écarts entre l’image réelle acquise et l’image de synthèse correspondante.
  • ·Définir et valider une métrique d’évaluation du caractère « naturel » des images générées.

Rque : dans ce projet, on fait la différence entre les images dites de synthèse qui seront les images produites par les simulateurs de conduite actuels et les images générées, qui seront celles générées par des modèles génératifs à base de réseaux de neurones.

Compétences

Une première expérience dans le domaine du machine learning et plus spécifiquement du deep-learning est requise.

Les outils peuvent être divers, mais une bonne connaissance de python et des librairies dédiées au machine learning est indispensable dont une liste non exhaustive peut être donnée ici : scikit-learn, tensorflow, pytorch, keras, …

 

Contacts

Merci d’adresser vos candidatures : CV à Alice Caplier et Patricia Ladret

Alice.caplier@gipsa-lab.grenoble-inp.fr et Patricia.ladret@gipsa-lab.grenoble-inp.fr