Machine Learning pour l’image et la vision 3D

Modélisation et Simulation

Computer Sciences 2

Teaching objectives: Introduce students to digital image processing using software dedicated to the computer graphics profession. Recommended prior knowledge: Computer science.

Content of the material:

1.The characteristics of a digital image
2.Introduction to digital image processing (Photoshop).
3.Use of important terms (format, scanning, color chart, background color, foreground color, density, brightness, contrast, etc.)
4.Use of image transmission systems,
5.Acquisition of digital image processing techniques,
6.Recovery of images, photographs,
7.Digital image editing.

Credit: 01

Coefficient: 01

Method of assessment: exam.


Programmation graphique des GPUs

L'objectif de ce cours est de donner aux étudiants un aperçu sur les GPU (architecture et programmation du pipeline graphique), il traite aussi les shaders.

Contenu de la matière.

  1. 1.Pipeline graphique sur les GPUs
  2. 2.Architecture interne et Parallélisme des GPUs
  3. 3.Primitives graphiques et leur tramage (rasterization).
  4. 4.Programmation GPU par shaders : Vertex shader, Geometry shader, Fragment shader
  5. 5.Textures et leur usage : placage de textures, textures procédurales, bruits, pavages apériodiques, billboards, image-based rendering, environment mapping, bump mapping, displacement mapping, render to texture.
  6. 6.Geometry-buffer et rendu différé.


Techniques de Modélisation et géométrie algorithmique

La Modélisation Géométrique est la première étape du processus de création d'une image de synthèse. Elle regroupe l'ensemble des théories et des techniques permettant de représenter et de traiter mathématiquement ou géométriquement les formes complexes. L'objectif de ce cours est de présenter les éléments de Modélisation utilisés dans les divers domaines de l'imagerie numérique.


Animation par ordinateur

La partie concernant les entités intelligentes a pour but de fournir aux étudiants les notions pour concevoir des animations avec des objets complexes et des personnages, pilotées ou autonomes. Elle doit permettre de connaître les différents algorithmes et techniques en animation et en simulation comportementale.

Complexity and Optimization

  • The objective of this module is to compare the performance of algorithms that make the same tasks to find a good algorithm. The content of the module is dedicated on the one hand, to the theory of the algorithms complexity, problems complexity, growth of functions and performance measurement. And on the other hand, to the presentation of the different combinatorial optimization methods.
  • Achieving this objective requires basic knowledge relating to the field of algorithmic analysis and complexity optimization techniques presented by: methods for calculating the complexity of algorithms -uniform cost and logarithmic cost- and the problem complexity classes, optimization , dichotomy and D&C strategy.
  • The content of this module allows you to present the notion of combinatorial optimization, the exact methods: Branch & Bound algorithm as well as approximate methods for solving an optimization problem, and in particular,  the study of specialized heuristics: Greedy Algorithm, exploration methods with information: LS, A* and Hill Climbing Algorithms .
  • And the study of metaheuristic techniques : TS, SA and GA.