Mathieu Aubry, chercheur de l’École des Ponts ParisTech dans l’équipe « Imagine » du LIGM (Laboratoire d’Informatique Gaspard-Monge) est lauréat d’une bourse Starting Grant du Conseil Européen de la Recherche (ERC). Son travail s’inscrit dans la dynamique de cette équipe internationalement reconnue dans le domaine de la vision artificielle, où sont développées des techniques poussées de « machine learning ».
Cette activité est fortement soutenue par l’École des Ponts ParisTech, car elle permet d’embrasser un très grand nombre de sujets, depuis le décryptage automatique du langage des sourds jusqu’à l’étude de patrimoine historique, en passant par l’interprétation de scènes ouvertes inconnues comme un chantier de construction. Cette bourse récompense l’excellence scientifique et son principal objectif est de valoriser la recherche de haute qualité en Europe et d’encourager l’émergence d’une nouvelle génération de chercheurs talentueux susceptibles d’apporter des idées et une énergie nouvelle.
La technique développée pourrait révolutionner l’Intelligence Artificielle. Dans la grande majorité des approches, l’étiquetage d’images, utilisées ensuite pour superviser l’apprentissage d’une Intelligence Artificielle, est une phase cruciale. Cette phase de labellisation est très souvent manuelle et chronophage. Ce que propose Mathieu Aubry va potentiellement révolutionner le domaine grâce à l’utilisation d’images non labellisées, qui seront judicieusement analysées en termes de structures, de motifs et de leurs évolutions.
Cette technique pourrait même permettre d’avoir une information plus riche que celle donnée par des experts dans le processus de labellisation standard. Elle sera appliquée dans un premier temps sur des images satellite et des documents historiques. Générique, cette technique a vocation à être utilisée dans un très grand nombre de domaines et par des acteurs multiples, depuis les cercles académiques jusqu’aux industriels.
« À travers le projet DISCOVER, je propose deux approches complémentaires pour définir et identifier formellement les structures visuelles : l’une basée sur l’analyse des correspondances, l’autre sur l’apprentissage de modèles génératifs d’images interprétables. Nous développerons des structures visuelles dans deux domaines où des progrès décisifs ouvriront de nouvelles découvertes scientifiques : les documents historiques et l’imagerie de la Terre. Cela nous permettra d’identifier les types d’objets en mouvement, les zones avec différents types de végétation ou de constructions, et de modéliser l’évolution de leurs caractéristiques, qui peuvent correspondre à des modifications de leur activité ou de leur cycle de vie. » explique Mathieu Aubry.
