Soutenance de thèse de Tsiry MAYET jeudi 19 décembre 2024 à 9H30 à l'INSA Rouen Normandie
Date :
Tsiry MAYET soutiendra sa thèse intitulée: "Translation multi-domaine dans un cadre semi-supervisé".
Le jeudi 19 décembre à 9h30 à l'INSA Rouen Normandie, salle BO.A.RC.02, ou en visio à
Le jury est composé de:
- Camille Kurtz, Paris Cité, Professeur des universités, Rapporteur
- Clément Chatelain, INSA Rouen, Maître de conférences HDR, Directeur de thèse
- Francesca Galassi, ESIR Rennes, Maître de conférences, Examinatrice
- Harold Mouchère, Université de Nantes, Professeur des universités, Rapporteur
- Hugues Talbot, Paris-Saclay Professeur des universités, Examinateur
- Romain Hérault, Université de Caen Normandie, Professeur des universités, Directeur de thèse
- Simon Bernard, Université de Rouen, Maître de conférences, Encadrant
Résumé:
Cette thèse explore la génération multi-modale dans un contexte d'apprentissage semi-supervisé, en abordant deux défis cruciaux: la prise en charge de configurations flexibles d'entrées et de sorties à travers plusieurs domaines, et le développement d'une stratégie d'entraînement efficace des données semi-supervisées.
Alors que les systèmes d'intelligence artificielle progressent, il existe un besoin croissant de modèles capables d'intégrer et de générer de manière flexible plusieurs modalités, reflétant les capacités cognitives humaines. Les systèmes d'apprentissage profond conventionnels peinent souvent lorsqu'ils s'écartent de leur configuration d'entraînement, notamment lorsque certaines modalités sont indisponibles dans les applications réelles. Par exemple, dans le domaine médical, les patients pourraient ne pas faire tous les examens possibles pour un système d'analyse complet. Obtenir un contrôle plus fin sur les modalités générées est crucial pour améliorer les capacités de génération et fournir des informations contextuelles plus riches. De plus, l'augmentation du nombre de domaines rend plus difficile l'obtention d'une supervision simultanée.
Nous nous concentrons sur la translation multi-domaine dans un contexte semi-supervisé, étendant le paradigme classique de translation de domaine. Plutôt que de considérer une direction de translation spécifique ou de les limiter entre paires de domaines, nous développons des méthodes facilitant les translations entre toutes les configurations possibles de domaines. L'aspect semi-supervisé reflète des scénarios réels où une annotation complète des données est souvent infaisable ou prohibitivement coûteuse.