Presentations

Lecture d’articles

En parallèle du cours, nous proposons de compléter les notions abordées par la lecture d’articles de recherche, portant sur des sujets directement abordés en cours, ou donnant un contexte éclairant sur celui-ci.

Consignes liées à l’évaluation:

  • Présentation des articles:
    • Chaque article est présenté par un ou deux étudiants volontaires
      • La présentation est évaluée (avec bienveillance) et donne des points bonus
  • Certaines semaines, un quizz noté est donné sur le ou les articles de la semaine
    • Cela demande, bien entendu, que tous les étudiants aient lu cet article avant le cours lors duquel a lieu le quizz
    • Pensez à les imprimer ou les télécharger sur votre ordinateur si vous souhaitez les consulter pendant le quizz. Accès à internet et utilisation du téléphone interdit pendant le quizz.

Détails des consignes:

  • Les présentations peuvent se faire seul ou par groupe de deux. Dans le cas d’un binôme, les deux étudiants doivent présenter.
  • Chaque présentation dure maximum 10 minutes. Les présentations sont accompagnées d’un support visuel: classiquement quelques transparents, mais une présentation au tableau est aussi possible. Pensez que du matériel fourni par les auteurs des papiers est souvent déjà disponible et peut vous aider (transparents, posters, démo, etc). Mais dans ce cas, pensez à donner le crédit !
  • Soyez auto-suffisant pour vos supports (les salles n’ont pas d’ordinateur à disposition)
  • Les articles peuvent être lus dès les premiers cours, il n’est pas nécessaire d’attendre le dernier moment ! Et vous en comprendrez d’autant mieux les cours.

Liste des articles sur lesquels porte l’évaluation

  • Article 1 – Unsupervised Domain Adaptation by Backpropagation (UDA). ICML 2015 [pdf] (présenté par Damien & Theophanis)
  • Article 2 – Unsupervised Representation Learning by Predicting Image Rotations (RotNet). ICLR 2018 [pdf] (présenté par Fei)
  • Article 3 – Quo Vadis, Action Recognition? A New Model and the Kinetics Dataset (Quo Vadis). CVPR 2017 [pdf] (présenté par Eden)
  • Article 4 – Momentum Contrast for unsupervised visual representation learning (MoCo). CVPR 2020 [pdf] (présenté par Ahmad)
  • Article 5 – Learning Transferable Visual Models From Natural Language Supervision (CLIP). ICML 2021 [pdf] (only sections 1, 2, 3.1.1, 3.1.2, 3.1.3) (présenté par Loris)
  • Article 6 – Masked Autoencoders Are Scalable Vision Learners (MAE). CVPR 2022 [pdf] (présenté par El Hassan)
  • Article 7 – Learning without Forgetting (LwF). ECCV 2016 [pdf] (présenté par Tom)
  • Article 8 – Incremental Learning of Object Detectors without Catastrophic Forgetting (IncDet). ICCV 2017 [pdf] (présenté par Juliette & Sibylle)

Pour aller plus loin

Pour compléter certains sujets abordés en cours, n’hésitez pas à également parcourir les articles suivants qui sont  pertinents pour ce cours. Ces articles ne sont pas couverts par les quizz, mais peuvent vous donner des bases solides pour la compréhension du cours.

  • Datasets
    • ImageNet Large Scale Visual Recognition Challenge. IJCV 2015 [pdf][dataset page]
    • Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations. IJCV 2017 [pdf][dataset page]
  • Deep architectures
    • Deep residual learning for image recognition (ResNet). CVPR 2016 [pdf][Tutorial]
  • Self-supervised learning
    • Concept Generalization in Visual Representation Learning (CoG). ICCV 2021[pdf][project page]
  • Continual learning
    • Learning without Forgetting. PAMI 2017 [pdf][github]
    • iCaRL: Incremental Classifier and Representation Learning. CVPR 2017 [pdf] [supp [poster]
  • Retrieval
    • Deep Image Retrieval: Learning global representations for image search. ECCV 2016 [pdf]
    • Learning Deep Structure-Preserving Image-Text Embeddings. CVPR 2016
      [pdf]
  • Detection and Segmentation
    •  Histograms of oriented gradients for human detection (HOG). CVPR 2005 [pdf]
    • Deeplab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs. ICLR 2015 [pdf]
    • You Only Look Once (YOLO). CVPR 2016 [pdf][project page]
    • Mask R-CNN. ICCV, 2017 [pdf][project page]
  • Other tasks
    • Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. ICCV 2017 [pdf][project page]
    • GQA: Visual Reasoning in the Real World [pdf][project page]
    • LCR-Net: Localization-Classification-Regression for Human Pose. CVPR 2017 [pdf]
  • AI Ethics

Comments are closed.