École d’Été Peyresq 2025
Thème Quantification d’incertitude Le GRETSI et le GdR IASIS organisent depuis 2006 une École d’Été...
Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.
35 personnes membres du GdR ISIS, et 16 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 50 personnes.
Tenu compte des conditions actuelles, cette journée en visio-conférence remplace la journée préalablement organisée. L'objectif reste de regrouper des chercheurs en lien avec la computational photography afin de répertorier la diversité des activités autour de ce thème faites en France, d'échanger et de communiquer sur les avancées récentes dans le domaine. Cela concerne l'acquisition, la décomposition, le traitement et la modification numérique/virtuelle de photographies, de séquences vidéo, ou d'images de synthèse. Les thématiques qui y sont associées, sont, sans être exhaustives :
3 présentations invitées sont prévues par Neus Sabater, Giuseppe Valenzise et Nicolas Bonneel. Les présentations dureront 40 minutes, avec 5 minutes disponibles pour les questions.
Le lien de la visio-conférence sera bientôt communiqué.
10:00 - 10:45 Neus Sabater: "Learning Light Field View Synthesis"
Abstract: Because light field devices have a limited angular resolution, artificially reconstructing intermediate views is an interesting task. In this work, we propose a novel way to solve this problem using deep learning. In particular, the use of Long Short Term Memory Networks on a plane sweep volume is proposed. The approach has the advantage of having very few parameters and can be run on sequences with arbitrary length. We show that our approach yields results that are competitive with the state-of-the-art for dense light fields. Experimental results also show promising results with light fields with wider baselines.
10:50 - 11:35 Giuseppe Valenzise: "Recent trends in subjective and objective assessment of Quality of Experience"
Abstract: Assessing visual Quality of Experience (QoE) is of paramount importance for the evaluation, tuning and design of image processing and computational photography algorithms. An effective estimation of the QoE requires, on one hand, efficient prediction methods based on objective image features, either hand-crafted or automatically extracted from data. On the other hand, well-grounded subjective methodologies are needed to accurately and efficiently elicit human quality judgments, in order to facilitate the collection of large-scale annotated datasets. In this talk, I will review recent work in both subjective and objective QoE assessment. Specifically, I will present a dataset of compressed high dynamic range (HDR) pictures with quality annotations, that has been employed to derive a no-reference image quality metric able to disentangle pixel errors by their perceptual scaling. Afterwards, I will describe a study on the perception of dynamic range in HDR pictures. On the subjective assessment side, I will discuss the relation between quality scales obtained with different assessment methodologies, such as rating and ranking. I will show how this relation can be leveraged to merge multiple existing quality datasets. Finally, I will conclude the talk with ongoing work on image aesthetic assessment.
11:40 - 12:25 Nicolas Bonneel: "Réplicabilité en Informatique Graphique"
Abstract: Cette présentation portera sur une étude de réplicabilité des papiers publiés à Siggraph, elle-même publiée à Siggraph 2020. Nous avons tenté de faire tourner 151 codes et binaires issus de 374 papiers Siggraph 2014, 2016 et 2018 afin d'examiner la tendance, analyser les données, exposer les problèmes rencontrés, et surtout, fournir des instructions de compilation pour les nombreux codes qui ne compilent pas directement ou ne sont pas faciles à executer (mises à jour de librairies, bug fixes, instructions pour executer lorsqu'il manque de documentation, etc.). Nous avons notamment mis en place un site web ( https://replicability.