Soutenance HDR de Nicolas Bonneel le Vendredi 9 Novembre à 14h

Bonjour,

je vous convie à ma soutenance d’HDR le Vendredi 9 Novembre à 14h en salle C5 du bâtiment Nautibus à l’Université Lyon 1, pour une présentation (en anglais) intitulée « Optimal Transport for Computer Graphics and Temporal Coherence of Image Processing Algorithms » dont un résumé en français et en anglais sont donnés ci-dessous.

Le jury sera composé de:

Filippo SANTAMBROGIO (Professeur, Lyon 1, rapporteur)

Julie DELON (Professeur, Paris Descartes, rapporteure)

Quentin MÉRIGOT (Professeur, Paris Sud, rapporteur)

Justin SOLOMON (Assistant Professor, MIT)

Nicolas COURY (Professeur, Bretagne Sud)

 

Résumé:

Ces dernières années, mes travaux ont porté sur deux sujets principaux : le transport optimal et le traitement de vidéos. Mon HDR détaille ces deux aspects.

Le transport optimal est un cadre en vogue pour manipuler des distributions de probabilité, des histogrammes ou plus généralement des fonctions. Il consiste à considérer une fonction comme un tas de sable se déplaçant dans l’espace en un coût minimum. Cela permet par exemple de définir une manière d’interpoler entre deux distributions de probabilité (ou plus), ou de définir une distance pertinente entre des histogrammes. Cette théorie a vu beaucoup d’applications aussi bien en informatique graphique qu’en apprentissage profond.

Ici, mes travaux se sont d’abord tournés vers le développement d’algorithmes efficaces pour résoudre des problèmes de transport optimal. Ensuite, j’ai défini et résolu des problèmes inverses utilisant la géométrie du transport optimal, comme le calcul de coordonnées barycentriques ou l’apprentissage de dictionnaires pour des histogrammes.

Le traitement vidéo a vu une croissance rapide due à la grande disponibilité d’appareils photo grand public, et d’applications faciles à utiliser permettant des traitements vidéo puissants, telles que SnapChat, Instagram ou Tik Tok. Cependant, re-adapter le long historique d’algorithmes de traitement d’images pour les faire fonctionner sur des vidéos est un travail titanesque. En effet, appliquer trivialement un traitement d’images sur chaque image d’une vidéo va souvent produire des artefacts temporels tels que du scintillement. Mes travaux ont cherché à adapter les algorithmes de traitement d’images les plus courants aux vidéos, de manière temporellement cohérente. J’ai d’abord adapté des filtres spécifiques (étalonnage de couleurs, et images intrinsèques), et ai finalement trouvé une manière d’adapter un grand nombre de traitements d’images aux vidéos sans même connaitre leurs formulations.

Ma présentation d’HDR décrira mes contributions les plus représentatives.

——

Abstract:

During the past few years, my research has focused on two main areas: optimal transport and video processing. My HDR details these two aspects.

Optimal transport is a trending framework for manipulating probability distributions, histograms, or more generally, functions. It consists in seeing a function as a pile of sand moving in space at a minimum cost. This allows, for instance, to define a way to interpolate between two (or more) probability distributions, or to define a meaningful distance between histograms. This theory has seen many applications from computer graphics to deep learning.

Here, my work has first focused on building efficient algorithms to solve optimal transport problems. Then, I defined and solved inverse problems making use of the optimal transport geometry, such as computing barycentric coordinates or performing dictionary learning for histograms.

Video processing has seen a large growth due to the wide availability of consumer cameras, and user-friendly apps featuring powerful video processing capabilities such as SnapChat, Instagram or Tik Tok. However, re-adapting the long history of image processing algorithms to make them work on videos is a daunting task. Indeed, trivially applying image processing filters to all frames of a video most often results in temporal artifacts such as flickering. My work has focused on bringing common image processing algorithms to the realm of videos, in a temporally consistent fashion. I first worked on bringing specific filters to videos (color grading and intrinsic images), and ultimately found a way to bring many image processing filters to videos without even knowing their formulation.

My HDR presentation will describe my most representative contributions.

Cordialement,

 

Nicolas BONNEEL

Catégorie(s) : Communications scientifiques, Soutenances de thèses et HDR

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*


quatre + 8 =