Les images se forment à travers une série d'interactions entre la lumière, les surfaces de la scène (selon leur géométrie et leur réflectance) et, finalement, la caméra. Des modèles physiques précis de ces interactions existent, mais ont vu une applicabilité limitée dans des conditions réelles, en dehors du laboratoire. Pour cette raison, une grande partie de la recherche sur la vision par ordinateur traite les images comme des tableaux de pixels 2D sans tenir compte de la façon dont elles ont été formées.

Dans cet exposé, je préconise plutôt l'idée de raisonner sur le monde réel derrière l'image et je considère explicitement ces interactions lumière-géométrie-caméra. Pour ce faire, nous proposons des algorithmes qui comprennent la géométrie 3D, l'éclairage, la réflectance de surface et même la caméra elle-même à partir d'images. L'idée clé est de combiner des modèles basés sur la physique et des techniques d'apprentissage automatique afin de mieux modéliser, comprendre et recréer la richesse de notre monde visuel.

La présentation sera donnée en français et les diapos seront en anglais.

Jean-François Lalonde, Ph.D., is an Associate Professor in the Faculty of Science and Engineering at Université Laval, in the Department of Electrical and Computer Engineering. He is a member of the Institute Intelligence and Data (IID), the Big Data Research Center (CRDM), and the Research Center on Vision, Robotics and Machine Intelligence (CeRVIM) at Université Laval. Previously, he was a Post-Doctoral Associate at Disney Research, Pittsburgh. He received a Ph.D. in Robotics from Carnegie Mellon University in 2011. His thesis, titled Understanding and Recreating Appearance under Natural Illumination, won the CMU School of Computer Science Distinguished Dissertation Award. His research interests lie at the intersection of computer vision, computer graphics, and machine learning. In particular, he is interested in exploring how physics-based models and data-driven machine learning techniques can be unified to better understand, model, interpret, and recreate the richness of our visual world. His group has captured and published the largest datasets of indoor and outdoor high dynamic range illumination images, freely available for research. He is actively involved in bringing research ideas to commercial products, as demonstrated by his several patents, technology transfers with large companies such as Adobe and Facebook, and involvement with startups including Geomagical Labs (San Francisco, acquired by IKEA) and TandemLaunch (Montreal).

Rencontre Zoom
Pour obtenir le lien d'accès internet pour la rencontre Zoom, SVP contacter:
Annette.Schwerdtfeger@gel.ulaval.ca