Contexte :
La thèse proposée se déroulera dans le cadre du projet PR[AI]RIE-PSAI (Paris School of Artificial Intelligence (AI)). Ce projet est le grand lauréat du programme « IA Cluster », porté par l’Université PSL, et a pour objectif de faire progresser les connaissances en matière d’IA, à proposer un enseignement supérieur de niveau international et à produire des innovations de rupture.
La thèse aura lieu au Centre de Robotique de Mines Paris – PSL. Le Centre de Robotique est un laboratoire de recherche spécialisé dans l’IA temps réel et les interactions Humain-Machine, appliquées aux véhicules automatisés, à la robotique mobile et collaborative, ainsi qu’à l’Industrie du Futur. Au sein de ce centre, l’axe Nuages de Points et Modélisation 3D (NPM3D) développe des techniques d’acquisition, traitement et rendu de nuages de points 3D, issues de la photogrammétrie ou du LiDAR, pour des applications variées (cartographie, robotique, patrimoine, archéologie).
Description du sujet :
Au cours des dernières années, la vision 3D est devenue un domaine clé de la vision par ordinateur, jouant un rôle fondamental dans de nombreuses applications telles que la conduite autonome, la robotique, la réalité augmentée (RA) et l’imagerie médicale. Une compréhension approfondie des représentations 3D est en effet indispensable pour l’interprétation et l’interaction avec l’environnement physique, en particulier en robotique. Ainsi, la capacité à estimer une carte de profondeur ou un nuage de points à partir d’une image couleur constitue encore un défi majeur.
Des avancées récentes ont considérablement amélioré la génération de données 3D (cartes de profondeur et nuages de points) à partir d’images, comme en témoignent des modèles tels que Depth Anything et Marigold. Ces approches reposent sur des modèles pré-entraînés (DINOv2 pour Depth Anything, Stable Diffusion pour Marigold), qui ont été entraînés sur de très vastes jeux de données d’images 2D. Toutefois, ces modèles ne possèdent pas de connaissance explicite du monde 3D et de ses contraintes géométriques et physiques intrinsèques.
L’objectif de cette thèse est de concevoir de nouveaux modèles génératifs 3D pour l’estimation de profondeur et la reconstruction de nuages de points à partir d’images couleur, en intégrant des contraintes géométriques et physiques. Cette approche vise à améliorer la fidélité des données générées dans les régions visibles et à renforcer la cohérence et la plausibilité des zones occultées, permettant ainsi une meilleure qualité des représentations 3D obtenues.
Encadrement de la thèse et contacts :
- Directeur de thèse : Jean-Emmanuel DESCHAUD, jean-emmanuel.deschaud@minesparis.psl.eu
- Co-directeur de thèse : Santiago VELASCO-FORERO, santiago.velasco@minesparis.psl.eu
Comment candidater :
Pour toute candidature, envoyez votre CV, vos notes des dernières années de formation (Master, école d’ingénieur), une copie des derniers diplômes et une lettre de motivation d’une page décrivant les ambitions pour le sujet de thèse et la pertinence de la candidature par rapport à la description du sujet.
Dossier de candidature à envoyer aux adresses emails suivantes avant le 25 Mai 2025 :
jean-emmanuel.deschaud@minesparis.psl.eu; santiago.velasco@minesparis.psl.eu
Les résultats seront communiqués en deux phases entre le 25 Mai et mi-juin 2025.
Pour plus d’informations, veuillez consulter le fichier ci-joint.
