Le prix de thèse AFRIF 2021 décerné à Ignacio Rocco

L’AFRIF (Association Française pour la Reconnaissance et l’Interprétation des Formes) décerne chaque année son prix de thèse. L’objectif de cette récompense est de mettre en avant d’encourager les meilleurs travaux doctoraux sur ces sujets et de booster la recherche dans le domaine. Le prix de thèse AFRIF 2021 a été remis à Ignacio Rocco et une mention spéciale a été faite à Hugo Richard. L’AFRIF a récemment présenté le lauréat de son prix de thèse 2021. Les finalistes devaient avoir soutenu leur thèse relevant des domaines de la reconnaissance des images entre le 1er juillet 2020 et le 31 décembre 2021 dans une école doctorale française ou dans le cadre d’une cotutelle avec une école doctorale française. Les thèses ont été évaluées par un jury présidé par Vincent Lepetit (ENPC, Paris) et composé de membres du conseil d’administration dont Marie-Odile Berger (INRIA Nancy – Grand Est), présidente de l’AFRIF.

Prix de thèse AFRIF 2021 remis à Ignacio Rocco

Le prix de thèse AFRIF 2021 a été attribué à Ignacio Rocco pour son travail intitulé « Neural Architectures for Estimating Correspondences Between Images », réalisé à l’Ecole Normale Supérieure – Université PSL et sous la direction de Josef Sivic et Relja Arandjelović. La thèse porte sur le développement des méthodes pour la mise en correspondance entre des paires d’images dans des situations difficiles comme le changement extrême d’éclairage, des scènes avec peu de texture ou comprenant des structures répétitives ou la mise en correspondance entre parties d’objets qui appartiennent à la même classe mais qui peuvent présenter de grandes différences d’apparence intra-classe. Ignacio Rocco contribue comme suit :

1. Développer une approche entraînable pour l’alignement paramétrique d’images en utilisant un modèle de réseau siamois
2. Concevoir une approche d’entraînement faiblement supervisée qui permet l’entraînement à partir de paires d’images réelles annotées seulement au niveau des paires d’images
3. Proposer les Réseaux de Consensus de Voisinage qui peuvent être utilisés dans le but d’estimer de manière robuste les correspondances pour des tâches ou des correspondances discrètes sont requises
4. Développer une variante plus efficace capable de réduire les besoins en mémoire et le temps d’exécution des Réseaux de Consensus de Voisinage par facteur dix

Mention spéciale pour Hugo Richard

Une mention spéciale a aussi été faite à Hugo Richard pour son travail intitulé « Unsupervised Component Analysis for Neuroimaging Data », réalisé à l’Université Paris-Saclay sous la direction de Bertrand Thirion. Ce travail est une thèse d’informatique et de mathématiques qui s’applique au domaine des neurosciences et plus particulièrement aux recherches sur la modélisation de l’activité cérébrale humaine par électrophysiologie et imagerie. La nécessité d’utiliser des outils mathématiques découle de la complexité de l’identification de l’activité neuronale à partir des données récoltées à partir de stimuli dits naturels. Dans cette thèse, l’auteur considère d’abord le cas du modèle de réponse partagée, dans lequel les sujets sont supposés partager une réponse commune. Il est utile pour réduire la dimension des données mais son entraînement reste néanmoins coûteux pour les données d’imagerie fonctionnelle dont la dimension peut être immense. Ce modèle fait aussi des hypothèses irréalistes sur les données susdites. Une autre méthode donnant des hypothèses plus réalistes est l’analyse en composantes indépendantes, mais elle est difficile à généraliser aux jeux de données que contiennent plusieurs sujets. Hugo Richard propose donc une extension de cette dernière qu’il dénomme ACI multi-vue, elle est fondée sur le principe de maximum de vraisemblance qui convient à des jeux de données multi-sujets. Le premier prix AFRIF de l’édition 2021 a été récompensé à hauteur de 1 000€ et sera invité à présenter ses travaux dans le cadre de la conférence jeunes chercheurs RFIAP 2022 qui se tiendra à Vannes du 5 au 8 juillet 2022.