Catégorie : In’Tro

Watch Angelos

Abstract

In this talk I will present Isogeometric analysis, which is a new field of research devoted to the interaction of the two, mostly disjointly operated disciplines, Computer Aided Design, that deals with questions of size and shape, and numerical simulation, that is concerned with discretization and approximation methods and their efficient implementation.

The better approximation properties of splines (compared to classical finite element analysis) gives isogeometric analysis a clear advantage concerning the number of degrees of freedom that is needed to obtain a certain accuracy of the numerical solution to a partial differential equation. Nevertheless few challenges arise, including geometry preprocessing, computational costs, numerical integration and local refinement.

Short Bio

Angelos Mantzaflaris holds a license in mathematics and a M.Sc. in computer science from the University of Athens, Greece. He obtained his Ph.D. degree in computer science by Inria/ED STIC, in the frame of an EU Marie Curie fellowship. After his thesis he served as a researcher at the Austrian Academy of Sciences and its Radon Institute Institute for Applied Mathematics for several years, and was recruited in 2019 by the Aromath team at Sophia. His research interests span isogeometric analysis, geometric modeling, Computer-aided Geometric Design (CAGD), symbolic-numeric computations, algorithmic geometry.

The presentation will be in English and streamed on BBB

Watch Pierre-Alexandre

Abstract

Deep generative models are statistical models that leverage recent advances deep learning. The most well-known examples include variational autoencoders (VAEs) and generative adversarial networks (GANs). We will briefly review them and see how they can be use to impute missing values in incomplete data sets.

Biography

Pierre-Alexandre Mattei is a Research Scientist at Inria. He is part of the Maasai (Models and Algorithms for Artificial Intelligence) team and is also affiliated with the J.A. Dieudonné lab. His field of research is statistical machine learning, with a particular emphasis on hidden variables and model uncertainty. During his Ph.D, he mainly developed new Bayesian model selection methods for high-dimensional data. He is also currently working on deep generative models and their applications. He is one of the co-organisers of the Workshop on the Art of Learning with Missing Values (Artemiss).

The presentation will be in English and streamed on BBB

Revoir la présentation

Abstract

Le contrôle donné à l’utilisateur revêt une importance grandissante en informatique graphique, dont l’objet est à la fois de proposer des algorithmes de génération d’images à l’aide de l’ordinateur et d’en simplifier la création et l’édition. Je m’intéresse en particulier aux objets issus d’un processus physique : soit animés par des lois physiques (par exemple les fluides), soit issus de lois naturelles (paysages de montagnes). L’état de l’art s’est développé autour de méthodes directes, par essais-erreurs, nécessitant donc de longues et coûteuses itérations. Je vais présenter mes thématiques de recherche visant à améliorer ce contrôle autour de deux axes majeurs : les mécaniques de contrôle inverse permettant de contraindre directement le résultat des simulations, et la conception de nouveaux simulateurs, approximatifs, permettant un retour en temps interactif notamment grâce à l’apprentissage profond.

Bio
Elève de l’ENS Lyon, Guillaume Cordonnier a obtenu son diplôme de master de Grenoble INP, puis une thèse de l’université Grenoble Alpes, spécialisée en informatique graphique, sous la direction de Marie-Paule Cani et Éric Galin. Il a ensuite effectué deux postdocs, un court à l’Ecole polytechnique dans le cadre d’une chair avec Google, suivi de deux ans à l’ETH Zurich, où il a enrichi ses connaissances en apprentissage statistique et simulation de fluides. Ses recherches dans différents champs de la simulation visuelle de processus physiques l’ont conduit à ouvrir des collaborations dépassant sa discipline scientifique, tel que les géosciences ou la paléontologie.

The presentation will be in English and streamed on BBB

Replay the presentation

Summary

The topic of human facial analysis has engaged researchers in multiple fields including computer vision, biometrics, forensics, cognitive psychology and medicine. Interest in this topic has been fueled by scientific advances that suggest insight into a person’s identity, intent, attitude, as well as health; all solely based on their face images and videos. The above leads to the tantalizing question: “What’s in a Face?”

In this talk I will present recent works on face analysis, where we have designed deep convolutional neural networks (CNNs) targeted to extract attributes, emotions, as well as the more complex state of apathy from face videos. While a large body of work has aimed at extracting and classifying such information from faces, currently the inverse problem — namely face generation — has received increased attention. In this context, I will talk about our recent designed generative models, which allow for realistic generation of face images and videos, and the related deepfake detection.

Short Biography
Antitza Dantcheva (Ph.D. ’11 with Télécom ParisTech/Eurecom) is permanent researcher at the STARS team, Inria, Sophia Antipolis – Méditerranée.  Previously, she was a Marie Curie fellow at Inria and a Postdoctoral Fellow at the Michigan State University and the West Virginia University, USA.  In 2017 she received the French National Research Agency (ANR) JCJC young resea
rcher grant for her research project « ENVISION. Automated holistic human analysis ».  Her research is in computer vision and specifically in designing algorithms that seek to learn suitable representations of the human face in interpretation and generation.  She is recipient among others of the Best Poster Award at IEEE FG 2019, winner of the Bias Estimation in Face Analytics (BEFA) Challenge at ECCV 2018 (in the team with Abhijit Das and Francois Bremond) and Best Paper Award (Runner up) at the IEEE International Conference on Identity, Security and Behavior Analysis (ISBA 2017).

The presentation will be held in English on BBB

Revoir à la présentation

Résumé

De nos jours, le nombre de jeux de données ouverts disponibles en ligne est suffisamment important pour permettre la conception d’applications complexes. Ces dernières peuvent être développées soit par les citoyens et les gouvernements ou directement par les industries qui peuvent combiner ces jeux de données ouverts avec leurs propres données. Cependant, il est primordial d’aider le citoyen à savoir comment ses données sont utilisées et par qui. Dans un tel contexte, mon projet vise à concevoir de nouvelles méthodes pour permettre les combinaisons des données hétérogènes tout en protégeant l’accès aux données personnelles/confidentielles. Plus généralement, ce projet ouvre la voie à un Web décentralisé où citoyens et acteurs privés s’impliquent ensemble pour construire des applications responsables.

Biographie

Damien est chercheur ISFP à Inria Sophia Antipolis au sein de l’équipe-projet Wimmics depuis janvier 2021. Il contribue aux efforts de recherche sur les technologies du Web Sémantique et se concentre sur l’évaluation des requêtes distribuées et sur la conception de pipelines de transformation complexes pour les larges données hétérogènes. Avant de rejoindre Inria, il a occupé des postes de recherche au Trinity College Dublin (Irlande) et au Fraunhofer IAIS (Allemagne).

La présentation se fera en français et se déroulera sur BBB