Photographie Algorithmique GIF-4105/7105

Bienvenue sur le site web du cours de Photographie Algorithmique pour la session d'hiver 2017!

La photographie algorithmique est un nouveau domaine qui se situe entre la vision artificielle, l'infographie, et la photographie. Elle utilise des techniques de calcul permettant de compenser les limites des appareils photo traditionnels et améliore la façon dont on capture et manipule les données visuelles ainsi que la façon dont on interagit avec elles. Le cours permet d'explorer la formation des images, les modèles d'appareils, la création de panoramas, la synthèse de texture, les images à haute plage dynamique (HDR), le redimensionnement intelligent, le morphage, etc. Il s'oriente sur l'application concrète des concepts par de nombreux travaux pratiques dans l'environnement Matlab.

Semaine courante

Bienvenue!

Meilleur projet final

Voici les résultats du meilleur projet pour la session d'hiver 2017.
Félicitations aux gagnants, et à tous pour votre excellent travail!

Position Nom Projet
1 Simon Bouchard Débrumage de photo
2 Louis-Émile Robitaille Implémentation de PatchMatch
3 Rémi Mercier Reconnaissance faciale et modulation d'effets

Morphage des visages

Rencontrez tous les étudiants du cours grâce à ce montage vidéo (résultats du TP3):

Équipe

Jean-Francois Lalonde

Jean-François Lalonde
Professeur

Contactjflalonde@gel.ulaval.ca
BureauPLT-1138E
Disponibilités Mercr. 13h30-14h30
Jeudi 14h30-15h30
Maxime Tremblay

Maxime Tremblay
Assistant

ContactPiazza
BureauPLT-1102E
Disponibilités Lundi 13h30-14h30
Vendredi 15h30-16h30

Logistique

Horaire

Jour Heure Local
Jeudi 9h30 à 12h20 PLT-2573

Plan de cours

Lien vers les plan de cours officiels: GIF-4105 (bacc), GIF-7105 (gradués), et vers la page Capsule.

Forum de discussions

Nous utiliserons Piazza pour toutes questions, discussions, etc. N'hésitez pas à vous en servir!

Évaluations

Travaux pratiques

Tous les travaux pratiques devront être remis sur le portail des cours. La politique des retards est disponible dans le plan de cours.

Travail Date de disponibilité Date de remise Pondération Résultats
TP1: Alignement d'images 12 janvier 26 janvier, 23h59 10% Résultats
TP2: On s'amuse en fréquences 26 janvier 9 février, 23h59 10% Résultats
TP3: Morphage de visages++ (Parties A et B) 9 février Partie A: 21 février, 23h59
Partie B: 2 mars, 23h59
14% Résultats
TP4: Assemblage de photos 2 mars 23 mars, 23h59 14% Résultats
TP5: Insertion d'objets virtuels 23 mars 6 avril, 23h59 12% Résultats
Projet: À vous de jouer! 6 avril 26 avril, 23h59 20% Résultats

Examen

Examen Date Lieu Pondération
Mi-session 2 mars PLT-2573 20%

Modules de cours

Cliquez sur le module pour révéler plus d'informations. Les informations manquantes seront mises à jour durant la session.

1. Introduction à la photographie algorithmique

12 janvier 2017

Objectifs d'apprentissage
  • Se familiariser avec la structure du cours et les travaux pratiques
  • Différencier une caméra de l'oeil humain
Contenu détaillé
Description Notes Contenu complémentaire
Introduction au cours PDF Tim's Vermeer
Logistique du cours PDF Doodle pour disponibilités
Capturer la lumière PDF La squille multicolore
TED talk de Beau Lotto

2. Pixels et filtrage spatial

19 janvier 2017

Objectifs d'apprentissage
  • Connaître les différentes représentations de la couleur d'une image
  • Appliquer des manipulations sur les pixels d'une image
  • Comprendre le filtrage dans le domaine spatial, et connaître ses propriétés
  • Effectuer des opérations de filtrage simples sur une image
Contenu détaillé
Description Notes Contenu complémentaire
Les pixels PDF Démonstrations Matlab
Filtrage dans le domaine spatial PDF Démonstrations Matlab

3. Filtrage spectral et applications

26 janvier 2017

Objectifs d'apprentissage
  • Connaître différents types de filtres
  • Comprendre l'impact de ces filtres lors de leur convolution avec une image
  • Interpréter le contenu fréquentiel d'une image
  • Reconnaître le phénomène du recouvrement spectral et pouvoir l'expliquer dans ses mots
  • Utiliser des filtres pour accentuer ou réduire les arêtes d'une image
  • Comprendre les principes derrière la compression JPG
Contenu détaillé
Description Notes Contenu complémentaire
Filtrage dans le domaine spectral PDF Démonstrations Matlab
Applications du filtrage PDF

4. Mélange: dégradé, pyramides et gradients

2 février 2017

Objectifs d'apprentissage
  • Comprendre l'équation de la composition d'images
  • Comparer les différentes approches vues: dégradé, pyramides, et gradients
  • Comprendre le processus de formation d'une pyramide Laplacienne
  • Comprendre et implémenter le mélange par pyramide Laplacienne
  • Anticiper l'impact de la manipulation des gradients d'une image
Contenu détaillé
Description Notes Contenu complémentaire
Mélange d'images PDF Démonstration Matlab

5. Transformations linéaires et morphage

9 février 2017

Objectifs d'apprentissage
  • Connaître les déformations linéaires pouvant être appliquées à une image
  • Savoir appliquer une déformation à une image
  • Se familiariser avec la méthode des moindres carrés pour estimer une déformation entre deux images
  • Comprendre comment appliquer ces déformations pour obtenir un morphage progressif entre deux images
Contenu détaillé
Description Notes Contenu complémentaire
Transformations linéaires PDF Démonstration Matlab
Morphage PDF Démonstration Matlab

6. La caméra géométrique, mosaïques

16 février 2017

Objectifs d'apprentissage
  • Connaître les principaux paramètres d'une caméra: focale, ouverture, vitesse d'obturation, ISO
  • Comprendre l'influence de ces paramètres sur la photo résultante
  • S'initier au calibrage géométrique d'une caméra
  • Distinguer les paramètres intrinsèques des paramètres extrinsèques d'une caméra
  • Implanter un algorithme générant une mosaïque à partir de plusieurs images
Contenu détaillé
Description Notes Contenu complémentaire
La caméra PDF Simulateur de caméras
Mosaïques PDF

7. Détecteurs et descripteurs

23 février 2017

Objectifs d'apprentissage
  • Distinguer un détecteur d'un descripteur
  • Expérimenter avec un détecteur et un descripteur simple pour apparier des images automatiquement
  • Se familiariser avec l'algorithme RANSAC
  • Connaître d'autres types de projection panoramiques: cylindriques et sphériques
Contenu détaillé
Description Notes Contenu complémentaire
Détecteurs et descripteurs PDF Démonstration matlab
Panoramas, etc. PDF Demo Hugin
Site web Hugin

Examen mi-session

2 mars 2017, 9h30-12h20, PLT-2573

Informations sur l'examen de mi-session
  • Vous avez droit à une calculatrice approuvée et une feuille aide-mémoire 8.5x11, recto-verso, écrite à la main.
  • L'examen porte sur toute la matière vue en classe jusqu'à présent. Portez attention à bien comprendre le fonctionnement des algorithmes, ainsi qu'aux avantages et inconvénients de ceux-ci.

Semaine de lecture

6 au 10 mars 2017

8. Images à haute plage dynamique

16 mars 2017

Objectifs d'apprentissage
  • Comprendre la différence entre la plage dynamique du monde et celle d'une caméra
  • Comprendre le fonctionnement du calibrage radiométrique par cible de calibrage
  • Comprendre le fonctionnement de l'auto-calibrage radiométrique à partir de plusieurs expositions
  • Implémenter un algorithme de calcul d'images à haute plage dynamique
Contenu détaillé
Description Notes Contenu complémentaire
Plage dynamique PDF

9. Insertion d'objets virtuels

23 mars 2017

Le TP5 est disponible ici. Date de remise: 6 avril, 23h59

Objectifs d'apprentissage
  • Comprendre la différence entre la plage dynamique du monde et celle d'une caméra
  • Implémenter un algorithme de calcul d'images à haute plage dynamique
  • Comprendre les trois principaux défis lors de l'insertion d'un objet virtuel dans une image
  • Insérer ses propres objets virtuels dans ses propres photos!
Contenu détaillé
Description Notes Contenu complémentaire
Insertion d'objets virtuels PDF

10. Découpage

30 mars 2017

Objectifs d'apprentissage
  • Connaître les étapes principales nécessaires à l'insertion d'objets virtuels dans une image
  • Utiliser un logiciel de modélisation et de rendu 3D pour insérer des objets virtuels dans ses propres photos
Contenu détaillé
Description Notes Contenu complémentaire
Découpage d'images PDF

11. Synthèse de texture

6 avril 2017

Objectifs d'apprentissage
  • Découvrir une représentation utile d'une image: le graphe
  • Déterminer des mesures définissant une région "importante" dans une image
  • Se familiariser avec les algorithmes de segmentation interactive: ciseaux intelligents et coupure de graphe
Contenu détaillé
Description Notes Contenu complémentaire
Synthèse de textures PDF

12. Données visuelles massives et apprentissage profond

13 avril 2017

Nous accueillerons Mathieu Benoît, VP Innovation et Développement d'Affaires chez Arcane Technologies en deuxième heure du cours. Soyez-y!

Contenu détaillé
Description Notes Contenu complémentaire
Données massives et apprentissage profond PDF

13. Apprentissage profond

20 avril 2017

Nous accueillerons Marc-André Gardner et Yannick Hold-Geoffroy, étudiants au doctorat au laboratoire de vision à 10h30,
et Dragan Tubic, président et fondateur chez Umanx à 11h30. Soyez-y!

Contenu détaillé
Description Notes Contenu complémentaire
Données massives et apprentissage profond PDF

Ressources additionnelles

Voici des ressources additionnelles qui vous permettront de vous pratiquer.

Examens des années antérieures

Année Examen Solutions
2015 Français, English Solutions

Livre

Nous suivrons plusieurs chapitres dans le livre suivant:

Szeliski, Richard, "Computer Vision: Algorithms and Applications", Springer, 2010.

Le livre est disponible gratuitement à la bibliothèque de l’université à l'adresse suivante: https://acces.bibl.ulaval.ca/login?url=http://dx.doi.org/10.1007/978-1-84882-935-0. Une fois connecté avec l'IDUL, il y a un lien "Download Book" (environ 50MB).

Remerciements

Plusieurs cours offerts à d’autres universités ont servi d’inspiration pour ce cours. Notamment:

Merci à tous ces professeurs d'avoir mis le contenu de leur cours disponible sur Internet. À mon tour, je donne la permission à tous d'utiliser le contenu présent sur ce cours, à condition de donner crédit aux sources originales.