Objectifs
Expertise développée : Géométrie
Encadrements : Un stagiaire de M2
Objectifs
Expertise développée : Geometric deep learning
Encadrements : Un stagiaire de M2
Objectifs
Expertise développée : Modèles interprétables
Encadrements : Un stagiaire de M2
Objectifs
Expertise développée : Modèles génératifs géométriques
Encadrements : Un stagiaire de M2, 2 doctorants (occasionnel)
Géométrie · Géométric deep learning · Modèles interprétables · Modèles génératifs géométriques
3 stagiaires de M2 · 2 doctorants (occasionnel)
Comment permettre un conditionnement physique de ces modèles génératifs ?
+ Pallie la rareté
− Représentation mixte
+ Contrôle bien établi
− Généralisation limitée
+ Signal physique réel
− Objets prédéfinis
Comment permettre un conditionnement physique de ces modèles génératifs ?
CoPhi est un projet pour une période de 3 ans, au sein du service DIASI et du service SIALV (laboratoire LVA), cherchant à valider l’hypothèse suivante :
« une représentation commune et structurée des formes et des CCP permettra de dépasser les approches actuelles et d’améliorer le réalisme physique des méthodes génératives 3D. »
CCP : caractéristiques et contraintes physiques (CCP)
CoPhi vise une génération 3D physique, réaliste et généraliste : à partir d’une consigne ou d’un cahier des charges, produire un objet dont les propriétés peuvent être vérifiées.
CoPhi s’organisera en 3 lots :




porteur du projet
doctorant
stagiaire
Verrou scientifique et objectif.
Les données communes formes 3D et CCP sont rares. L’objectif est de constituer le socle expérimental nécessaire à CoPhi.
Verrou scientifique et objectif.
Les CCP regroupent des informations hétérogènes que les représentations 3D actuelles ne permettent pas d’exprimer. L’objectif est de donner une représentation commune à l’objet et son cahier des charges.
Verrou scientifique et objectif.
La génération 3D actuelle ne peut suivre un cahier des charges physique. Nous conditionnerons un modèle génératif en utilisant notre représentation commune.
Projets :
CoPhi privilégiera l’adaptation de modèles préentraînés afin de réduire conjointement les besoins en données et en calcul de l’apprentissage. Ces travaux renforceront les collaborations du CEA List sur ces deux projets.
Projet :
CoPhi rendra les modèles génératifs
plus contrôlables et leurs performances quantifiables. CoPhi ouvrira ainsi une nouvelle voie d’implication du CEA dans le PEPR IA autour de Géné-Pi.
Génération de formes 3D, conditionnement spatial et physique des contenus visuels.
Modèles génératifs visuels, contrôle et explicabilité des modèles génératifs.
Apprentissage pour la simulation mécanique et modèles monde pour la robotique.
CoPhi développera des synergies naturelles avec Genφ. De plus, il s’intégrera dans un environnement de collaborations déjà établies entre le LVA, le LASTI et le LSI.
CoPhi · CEA List / DIASI · SIALV (LVA)