[StageM2] Wheelchair Soccer Trajectory Tracking

Context Sport plays an important role in the well-being of every individual. In the context of a disability, this role is even more crucial for self-confidence and the development of autonomy, not to mention the factor of social integration. The Paris 2024 Paralympic Games have called for a revolution in…

Lire la suite

[StageM2(+PhD)] : Approches apprentissage pour la complétion informée de données : Détection multi-échelle spectrale de vers de Roscoff.

Mots-clés : Apprentissage statistique ; imagerie hyperspectrale ; télédétection ; photosymbiose ; vers de Roscoff. Description du sujet : Le ver de Roscoff (Symsagittifera roscoffensis) est un petit organisme marin vivant en photosymbiose avec une microalgue verte (Tetraselmis convolutae), ce qui en fait à la fois un modèle d’étude de…

Lire la suite

[StageM2] – Deep metric learning of 2D shape representations

Context: In the field of 2D or 3D region of interest (ROI) delineation in medical imaging, combining segmentations of anatomical structures from different sources proves beneficial. This is particularly relevant given the development of multimodal and multi-parametric imaging acquisition devices. Furthermore, combining multiple expert tracings of the same ROI can…

Lire la suite

[StageM2] – Quantifying Dataset Influence in Generative Models via Subspace Analysis

Context and Motivation Generative AI models such as GANs and diffusion models are trained on massive image collections that are massive, often opaque datasets [1, 2]. These datasets may include personal photos, artwork, or copyrighted media, raising important concerns about attribution, copyright, and content ownership. Existing auditing techniques—such as membership…

Lire la suite

[StageM2] – Prédiction de la synthétisabilité des matériaux à l’aide de Grands Modèles de Langage (LLM)

Contexte scientifique Les Grands Modèles de Langage (LLM) ouvrent aujourd’hui de nouvelles perspectives pour la recherche en science des matériaux. Initialement développés pour le traitement du langage naturel, ces modèles montrent désormais un fort potentiel pour la compréhension, la génération et l’analyse de connaissances scientifiques complexes issues de la littérature…

Lire la suite

[Post-doc] Online Optimal Transport

Keywords: Optimal Transport, Sinkhorn algorithm, Online Learning, Machine Learning, Signal Processing. Description: Optimal transport (OT) is a powerful framework to define and compute distances between distributions (a.k.a. Wasserstein or earth mover’s distance), with a tractable computation thanks to the Sinkhorn algorithm [1]. Entropic regularization, which enables fast iterative scaling and…

Lire la suite

[StageM2/Ingé] Développement d’une méthode optique de corrélation d’images pour la caractérisation des contraintes résiduelles

Offre de stage – Niveau Master 2 / École d’ingénieur Laboratoire d’accueil : LPMT – Laboratoire de Physique et Mécanique TextilesLieu : IUT de Mulhouse Université de Haute Alsace Durée : 5 à 6 moisDébut du stage : mars 2026 Gratification : selon réglementation en vigueurEncadrants : Aboubakar Sédick IBRAHIM…

Lire la suite

[Stage M2] Modèles vision-langage (VLM) pour l’automatisation des inspections de ponts

L’équipe ENDSUM du Cerema propose un sujet de stage M2 / PFE Ingénieur (indemnisé, 5-6 mois), sur son site de Strasbourg. L’objectif est de contribuer à définir une nouvelle génération d’outils d’aide à l’inspection des ouvrages d’art (ponts, murs…) en exploitant les possibilités offertes par les modèles vision-langage (VLM).Plus d’informations…

Lire la suite

[StageM2] in AI and Machine Vision at Sorbonne University

Subject: Deep Neural Networks for Point-Cloud Scene Analysis Lab: LIP6, CNRS Sorbonne University Point cloud analysis constitutes a major challenge in computer vision, leveraging high-volume 3D geometric data from LiDAR and RGB-D sensors for comprehensive spatial and semantic scene understanding. This capability is mandatory across demanding, real-world applications such as…

Lire la suite