Dans le cadre du thème « Images et Informatique Graphique » de la FIL nous organisons une demi-journée d’échanges scientifiques le 09/02 8h30-12h15 sur des sujets autour des modèles génératifs, la synthèse et la simulation d’images.

Lieu : Salle 132, bâtiment Jules Verne de l’INSA. Attention, l’accès se fait par escalier à l’extérieur.

Plus spécifiquement, les thèmes abordés sont :

• * Génération de données pour améliorer l’analyse et l’explicabilité
• * Génération pour faciliter l’apprentissage automatique
• * Rendu et simulation : processus physiques, méthodes d’échantillonnage, etc.

* Simulation de phénomènes physiques, mécaniques ou autres.

Le but de cette demi-journée est principalement les échanges informels, avec des présentations courtes des chercheurs des laboratoires LIRIS, LabHC et CREATIS (voir ci-dessous). Pour l’instant, nous prévoyons une réunion en présentiel á Lyon, sur le campus de la Doua. Le lieu exact sera précisé plus tard.

Programme de la journée :

Début : 8h30

– Simon Perche (LIRIS-Origami) : Modèles génératifs et mondes virtuels
– Julien Lacombe (LIRIS-Origami) : Learning to Generate Wasserstein Barycenters
– Emmanuel Dellandrea (LIRIS-Imagine) : Génération de scènes synthétiques d’objets isolés et de vracs d’objets pour l’apprentissage de modèles profonds de prédiction de prises
– Carlos Crispim Junior (LIRIS-Imagine) : Some examples of data generation without real-world examples: from pixel to object classification tasks
– Olivier Alata (LabHC-Image Science+CV) : Denoising periodic signals using deep learning architectures trained by synthetic signals

PAUSE (10h10-10h30)

– David Sarrut (CREATIS-Tomoradio) : Modèle génératif (GAN) pour la simulation Monte Carlo de systèmes d’imagerie nucléaire
– Olivier Bernard (CREATIS-MYRIAD) : Are generative models useful for improving segmentation quality in medical imaging: application to cardiac imaging ?
–Daria Zotova (CREATIS-MYRIAD) : GAN-based synthesis of normative neuroimaging data for the training of deep unsupervised anomaly detection models
– Hamid Ladjal (LIRIS-SAARA) : Lung tumeur tracking based on Machine learning and biomechanical patient specific model of respiratory system for radiation therapy
– Léon Victor (LIRIS-SAARA) : Learning-based pose edition for efficient and interactive design

Afin de savoir le nombre de participants, veuillez vous inscrire ici