Les méthodes de traitement du signal développées au GIPSA-lab visent à donner du sens à des jeux de données, à en extraire l’information encodée et à l’utiliser pour

caractériser, comprendre et prédire

le comportement de systèmes où l’interconnexion d’un grand nombre d’éléments créé une dynamique complexe : le cerveau, le comportement des êtres humains et leurs interactions, leur organisation physique (e.g. trafic, mobilité, infrastructures, industrie) ou virtuelle (réseaux sociaux).

• Intelligence artificielle (AI) et apprentissage : machine learning (ML), deep learning, reinforcement learning / AI explicable et évaluation d’incertitudes.

• Hybridation AI et méthodes classiques, ML et modèles boite-noire ou basés sur la physique.

• ML semi supervisé et non supervisé (gestion d’informations/étiquetages manquants, hétérogénéité de la collection de données).

• ML pour la détection d’anomalies, en temps réel (comportements, objets en vidéos ou images).

• Traitement automatique d’images, vidéos, de la parole (synthèse vocale, silent speech, synthèse TSS incrémentale), traitement automatique du langage naturel.

• Compression et transmission de signaux (vidéos, images, parole, ...).

• Géométrie algorithmique/computationnelle, discrétisation d'objets et surfaces, reconstruction de surfaces à partir d'images ou nuages de points.

• Élaboration de méthodes pour faciliter l’implantation d’algorithmes de traitement de signal et d’images sur des architectures.
   

Le traitement de l'information (signal, image) vise à concevoir des méthodes pertinentes, qui prennent en compte la nature et les besoins d'utilisation de différentes typologies de données (multi-capteurs, multi-modalités, multi-composantes, multi-échelle et séries multi-temporelles), qui permettent d’exploiter la redondance de sources, d'inclure l’éventuelle connaissance de liens entre différentes signaux, informations (phénomènes physiques, modèle de capteurs, fonction de transfert liée aux systèmes d'acquisition).

RESSOURCES

• Id3 biometric liveness detection startup Face-Alive emerges with planned CES appearance