Espace d'échelles pour l'apprentissage machine sur des nuages de points 3d – SSLAM

Il y a plusieurs décennies, l'apparition de la photographie numérique a permis l'apparition et le développement de nouveaux champs de recherches (traitement d'image, reconnaissance de forme, vision par ordinateur), qui ont révolutionné notre vie quotidienne. Nous pensons que dans un futur proche, l'acquisition 3d aura le même impact.
L'ambition de ce projet est de proposer de nouveaux outils pour l'analyse et la compréhension interactive de nuages de points 3d acquis, composés de milliards d'échantillons, une tâche hors d'atteinte des techniques existantes.
Pour ce faire nous nous appuierons sur la compétence que j'ai acquise ces dernières années pour adapter la théorie dite du "Scale-Space" aux nuages de points 3d. Récemment, nous avons proposé de combiner cette théorie avec un réseau de neurones spécialisé afin de classifier des arêtes dans des nuages de points. Cette idée a permis une amélioration très significative en terme de qualité, vitesse, frugalité et consommation énergétique.
Dans ce projet, nous nous appuierons sur cette proposition pour étudier comment associer Scale-Space et apprentissage machine pour l'extraction de connaissances à partir de nuages complexes avec des milliards de points. Notre but sera d'accélérer les calculs de Scale-Space et définir des modèles d'apprentissage adaptés. Nous étudierons notament la conception de systèmes interactifs pilotés par l'utilisateur en fonction des besoins applicatifs (apprentissage interactif).
Notre project vise "à faire avancer l’état de l’art afin d'accomplir des tâches complexes (vision par ordinateur), systèmes permettant des interactions de haut niveau avec les utilisateurs humains", comme mentionné dans l'appel, axe E.2. Notre projet s'interesse à "lapprentissage à partir de données non structurées" pour des applications en lien avec la "vision par ordinateur". Nous voulons étendre la théorie Scale-Space pour "l'extraction de connaissances" à partir de données non structurées.