Apprentissage bi-niveau adapté à l'objectif de modéles statistiques flexibles pour l'imagerie et la vision – TASKABILE

Le projet TASKABILE se positionne à l'interface de trois domaines différents : les problèmes inverses, l'optimisation et l'apprentissage. Il vise à faire du cadre de l'optimisation biniveau un paradigme avec garanties pour l'estimation de modèles codifiants plusieurs descripteurs d'images adaptés à l'application pour l'imagerie et la vision. Contrairement aux boîtes noires caracterisantes les architectures d'apprentissage profond, les approches décrites dans TASKABILE sont théoriquement fondées, interprétables et fournissent un outil flexible et unifié combinant la modélisation statistique/variationnelle avec une optimisation inspirée par la vision.
Ses objectifs sont : i) la définition de métriques d'évaluation et qualité d'images adaptées à la tâche applicative considérée ii) l'utilisation du cadre statistique des distributions gaussiennes généralisées (GGD) pour la description flexible et adaptative des contenus d'image à niveau local iii) le développement d'algorithmes efficaces, inexacts et stochastiques, adaptés à résoudre les problèmes biniveau avec une précision adéquate et avec des efforts de calcul limités.