Votre rôle
La compression d’image consiste à réduire autant que possible la taille du flux à véhiculer tout en préservant au mieux la qualité perçue. La compression doit donc reposer sur une représentation compacte de l’information, adaptée à l’image et au débit visés.
Conventionnellement, les techniques de compression image et vidéo reposent sur une adaptation locale de la représentation. Pour ce faire, l’image est subdivisée en blocs qui sont codés par une succession d’étapes de prédiction et de transformation.
Pour déterminer la représentation optimale, il est fait communément appel à des techniques de machine learning. Une première approche «historique» consiste à estimer les éléments de prédiction / transformation de façon analytique à l’aide de techniques algébriques (décomposition en valeur singulière par exemple). Une seconde approche fait appel aux techniques neuronales, dans lesquelles ces éléments sont optimisés conjointement par apprentissage, au travers d’une descente de gradient par exemple. L’avantage de l’approche neuronale est qu’elle permet une optimisation simultanée des étapes de compaction de l’information.
Ce stage a pour objet d’étudier différentes approches de compaction et de représentation du signal image. L’accent sera mis sur les techniques d’apprentissage mettant en œuvre une approche neuronale à basse complexité.
Les développements logiciels seront basés sur Python/Pytorch en s’appuyant sur la grille de calcul GPU de Orange Innovation.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.