Analyse de données xrf et hyperspectrales pour l’identification et la quantification de mélanges de pigments dans les œuvres d’art h/f

Description du Poste Les Missions La personne recrutée participera aux travaux de l’équipe SICOIA du laboratoire SATIE sur la thématique Cultural Heritage, en collaboration avec le C2RMF. Elle contribuera au développement de méthodes d’analyse de données multimodales pour l’étude d’œuvres d’art, notamment les portraits du Fayoum, à partir d’acquisitions par fluorescence X (XRF) et imagerie hyperspectrale. L'Activité L’objectif est d’identifier les pigments présents dans les œuvres étudiées et, lorsque cela est possible, d’estimer leur proportion dans les mélanges. Les données XRF apportent des informations sur les éléments chimiques, tandis que les données hyperspectrales mesurent sur la réponse optique (visible/infrarouge) des matériaux ; leur combinaison doit permettre une caractérisation plus robuste et plus fine des pigments utilisés. Votre Profil Compétences Les méthodes développées s’appuieront sur des modèles d’apprentissage profond adaptés aux cubes de données spectrales et spatiales, en particulier des architectures de type Transformer 1D pour l’analyse des spectres et/ou 2D pour la prise en compte des interactions spatiales. Un enjeu majeur réside dans le faible nombre de données annotées disponibles. Les travaux porteront donc sur des stratégies d’apprentissage faiblement supervisé ou few-shot, combinant pré-entraînement auto-supervisé sur des jeux de données simulés, adaptation/fine-tuning sur données réelles, et, si nécessaire, apprentissage semi-supervisé à partir de données partiellement annotées ou non labellisées.Une attention particulière sera portée à la qualité des annotations produites, à la prise en compte de leur incertitude, ainsi qu’à l’interprétabilité des résultats, afin de fournir des cartes de pigments et des estimations de mélanges exploitables par les spécialistes du patrimoine.Le poste s’adresse à une personne de niveau master, ingénieur ou doctorat, avec une formation en traitement du signal ou des images, apprentissage automatique, vision par ordinateur ou domaine proche. De bonnes compétences en Python et en apprentissage profond, idéalement avec PyTorch, sont attendues. Une expérience en imagerie hyperspectrale, XRF, données multimodales, apprentissage faiblement supervisé ou unmixing serait appréciée, mais n’est pas indispensable. Une appétence pour les applications interdisciplinaires, en particulier dans le domaine du patrimoine culturel, ainsi que des qualités d’autonomie, de rigueur expérimentale et de communication seront importantes Votre Environnement de Travail Le lieu de travail est partagé entre le laboratoire SATIE (site du plateau de Saclay) et le C2RMF (Paris). Contraintes et risques Aucuns risques. Rémunération et avantages Rémunération 2496,98 Congés et RTT annuels 44 jours Pratique et Indemnisation du TT Pratique et indemnisation du TT Transport Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€ À propos de l’offre Référence de l’offre UMR8029-NACCHI-013 Secteur d’activité Sciences de l'Ingénieur et instrumentation scientifique Emploi type Ingenieur en techniques experimentales (H/F) À propos du CNRS Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement. Le CNRS Les métiers de la recherche