Table des matières

Sujets, 2020/2021 Automne

EG1. Lancer de rayon pour images réalistes

Domaines Image Synthesis / Mathematics.
Techniques et langages C++ / Qt
Responsable du sujet Eric Galin
Niveau de difficulté intermédiaire

L'objectif de ce projet est de développer une petite application capable de générer une image de synthèse à partir d'une représentation mathématique simple d'objets 3D.

Le lancer de rayon regroupe différentes classes de méthode permettant de suivre le trajet des photons et de calculer les interactions lumière-matière à différents degrés de réalisme. Selon l'avancée des travaux, on s'intéressera à des types d'objets complexes, éventuellement à leur animation, et aux matériaux transparents ou translucides.

EG2. Traitement d'images

Domaines Image analysis and processing / Mathematics.
Techniques et langages C++ / Qt
Responsable du sujet Eric Galin
Niveau de difficulté intermédiaire

L'objectif du projet est de comprendre les images, leur représentation, et de développer des algorithmes pour le traitement d'images (filtres, lissage, flou gaussien, détection de contours, convolution, quantization, balance des blancs) permettant la retouche comme en photographie numérique. Selon l’avancée, on s’intéressera à des traitements plus élaborés.

EG3. Simulation d’écosystèmes

Domaines Image synthesis, modeling, simulation / Mathematics
Techniques et langages C++ / Qt
Responsable du sujet Eric Galin
Niveau de difficulté Intermédiaire - Avancé

L'objectif du projet est d’implémenter un modèle de simulation d’écosystème permettant de représenter la croissance et la morts d’espèces végétales au cours du temps en fonction des conditions de l’environnement. On pourra en particulier s’intéresser à des outils permettant de simuler des scénarii climatiques comme la variation de température, ou des phénomènes catastrophiques de type tempête ou feu détruisant une partie de l’écosystème.

EG4. Génération de terrains

Domaines Image Synthesis / Mathematics.
Techniques et langages C++ / Qt
Responsable du sujet Eric Galin
Niveau de difficulté intermédiaire

L'objectif de ce projet est de comprendre les méthodes de synthèse de terrains virtuels et de développer une petite application capable de générer des terrains et de les afficher.

De nombreuses méthodes de génération existent : synthèse à partir d’exemple, méthodes procédurales par sommes de bruit, simulation d’érosion. Il faudra commencer par les méthodes fractales à base de sommes de bruit et proposer une application permettant de faire varier les paramètres et d’observer les résultats. Selon l'avancée des travaux, on s'intéressera à d’autres méthodes de génération, par exemple la simulation d’érosion, ou à de l’analyse de terrain selon des algorithmes de détection de caractéristiques ou de calcul de pente et de drainage.

RC1. Data Explorable

Domaines Data science, Data Mining , IA, data visualization…
Librairies (proposées) scikit-learn, seaborn, bokeh, d3js, chart.js, etc.
Langages (proposé) Python, javascript, html/css, etc.
Responsable du sujet Rémy Cazabet
Informations à voir http://cazabetremy.fr/Teaching/LIFPROJET.html

Le principe de ce projet est de Choisir une source de données accessible (open data, data crawling, etc), de collecter ces données, les analyser, et construire un “explorable” permettant à n'importe qui d'explorer ces données de manière interactive.

Vous êtes libre de choisir les données qui vous intéresse (sport, politique, réseaux sociaux, économie, environnement, sécurité, culture, etc.), et nous discuterons des analyses que nous pouvons en faire (restitution sous forme de cartes, de réseaux/graphes, de graphiques interactifs, sous forme de site-web ou non, etc.).

Pour cette année, une idée qui me plait bien serait de visualiser des statistiques historiques météorologiques, par exemple sous la forme d'une carte de France, sur laquelle nous pourrions immédiatement voir les météos moyennes par mois, la pluviométrie etc., ainsi que des analyses telles qu'un clustering des villes selon leur météo (détection automatique de “régions” à la météo similaire) ou de proposer des indicateurs de “qualité” de la météo, par exemple en prenant en compte la probabilité qu'il pleuve dans l'après-midi en moyenne sur un mois donné, au-lieu de simplement calculer un ml cumulé de précipitation comme c'est souvent le cas, qui ne veut pas dire grand chose pour un touriste qui voudrait visiter la ville (orage la nuit…)

Si vous ne savez pas quelles données existent ou non, partez du principe que tout existe, et nous chercherons ensemble ce qui est effectivement accessible. Si vous ne savez pas où trouver des données, quelques points de départ: https://data.grandlyon.com/accueil, https://www.data.gouv.fr/fr/ , https://datasetsearch.research.google.com .

Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html .

RC2. Machine Learning

Domaines IA, Machine Learning, Data Science, Réseaux de neurones, data visualization…
Librairies (proposées) scikit-learn, tensor-flow, keras, pyTorch, etc.
Langages (proposé) Python
Responsable du sujet Rémy Cazabet
Informations à voir http://cazabetremy.fr/Teaching/LIFPROJET.html

Le principe de ce projet est de choisir une source de données accessible (open data, data crawling, etc), puis utiliser un framework d'apprentissage auomatique (Machine Learning/IA) de manière à résoudre l'une des tâches classiques du domaine: 1)Prédire de futurs résultats (regression, supervisé), 2)Reconnaître une “classe” d'objet (classification, supervisé), 3)Découvrir automatiquement comment les données sont organisées (non supervisé, clustering).

Vous serez libre de choisir les données qui vous intéresse (sport, politique, réseaux sociaux, économie, environnement, sécurité, culture, etc.), et nous discuterons de ce qu'il est possible d'en faire. Si vous ne savez pas quelles données existent ou non, partez du principe que tout existe, et nous chercherons ensemble ce qui est effectivement accessible. Tous types de données peuvent être analysés: textes, valeurs numériques, images, etc. Si vous ne savez pas où trouver des données, quelques points de départ: https://data.grandlyon.com/accueil, https://www.data.gouv.fr/fr/ , https://datasetsearch.research.google.com .

Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html.

RC3. Kaggle Challenge

Domaines Machine Learning (“Intelligence Artificielle”)
Librairies (proposées) scikit-learn, keras, tensor-flow…
Langages (proposé) Python, autre
Responsable du sujet Rémy Cazabet
Informations à voir Challenges Kaggle en cours

Kaggle est le site web le plus connu de challenges en machine learning.

En 2 mots: des entreprises proposent des challenges auxquels n'importe qui peut tenter de proposer une solution. La meilleure solution gagne. Mais là où Kaggle est particulièrement intéressant, c'est qu'il propose des tutoriels pour résoudre certains problèmes classiques, en utilisant différentes méthodes. Votre objectif: 1) Suivre un/des tutoriels pour résoudre un problème tout fait, 2)Choisir un challenge en cours et appliquer ce que vous avez appris. Vous pouvez consulter quelques projets précédents sur ma page http://cazabetremy.fr/Teaching/StudentsProduction.html.

RC4. Visualisation de graphes dynamiques

Domaines Dataviz, data science, génie logiciel, logiciel libre
Librairies https://tnetwork.readthedocs.io, https://docs.bokeh.org, matplotlib,…
Langages (proposé) python, javascript
Responsable du sujet Rémy Cazabet
Informations à voir https://tnetwork.readthedocs.io,https://github.com/TiphaineV/streamfig/blob/master/all_examples.pdf

tnetwork https://tnetwork.readthedocs.io est une librairie python permettant de manipuler des graphes dynamiques. Cette librairie orientée recherche a été développé par des membres de l'équipe DM2L du LIRIS, en particulier moi-même. L'objectif de ce projet sera de créer un outil de visualization de graphes dynamiques en s'inspirant du formalisme graphique utilisé ici : https://github.com/TiphaineV/streamfig/blob/master/all_examples.pdf. Cependant, de manière à pouvoir visualiser des gaphes de grande taille, la visualisation sera interactive : cliquer sur un nœud doit pouvoir réorganiser le graphe pour montrer les contacts avec ses voisins, on doit pouvoir zoomer une partie du graphe, etc.

RC5. Site web de jeu en ligne interactif

Domaines Web
Librairies Utiliser des frameworks complet (MERN, MEAN) https://www.datasciencecentral.com/profiles/blogs/mern-vs-mean-which-stack-to-use-in-2021
Langages (proposé) Javascript, html, etc.
Responsable du sujet Rémy Cazabet

Dans ce sujet, vous développerez un site web, en utilisant des frameworks modernes de votre choix, par exemple parmi la liste suivante : (https://www.codeur.com/blog/developpement-web-meilleurs-frameworks/), de préférence en les combinant (MERN, MEAN, MEVN…). Ce site web doit permettre de jouer à un jeu, quel qu'il soit, depuis un jeu que vous avez inventé à un classique de type scrabble, dames, échecs ou autre. Il doit permettre aux joueurs de jouer en temps réel les uns contre les autres (salon de jeu, codes pour rejoindre une partie…), et d'afficher des statistiques (hall of fame, meilleurs scores du jour, etc.).

SA1. Modélisation distribuée d’un jeu stratégique - Exemple du tactical RPG

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

L’objectif de ce projet est de proposer une modélisation distribuée d’un jeu stratégique. Nous prendrons comme exemple le tactical RPG. Nous considérerons des personnages qui évoluent sur un environnement dynamique. Les personnages appartiennent à plusieurs groupes. Les personnages peuvent se déplacer en même temps selon des règles préétablies. Nous implémenterons une méthode de résolution distribuée avec des entités autonomes dotée de comportements intelligents. Nous commencerons par définir des stratégies de résolution simples dans lesquelles les personnages effectuent des déplacements uniquement sur la base de leur perception. Dans une deuxième étape, nous définirons des stratégies de résolution plus fines permettant aux personnages de construire des stratégies de jeu collectives en interagissant avec leur voisinage. L'étudiant peut avoir acces a une premiere implementation deja realisee.

SA2. Véhicule autonome : Gestion automatique de la traversée d’une intersection intelligente

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Les récentes évolutions technologiques des dernières années ont permis d’améliorer le niveau d’équipement des véhicules rendus de plus en plus connectés, voire autonomes, ce qui permet de proposer de nouvelles réponses aux problèmes du trafic urbain. Les véhicules sont, à présent, capables de communiquer et de se coordonner. Avec notre projet, nous proposons une approche de régulation du trafic s’appuyant sur des méthodes distribuées pour améliorer les conditions de mobilité des véhicules.

Dans le cadre ce travail, nous implémenterons la méthode de régulation que nous avons définie à l’échelle de l’intersection tirant parti des capacités de communication des véhicules, et dans laquelle les véhicules autonomes négocient leur droit de passage dans chaque intersection. Cette négociation s’effectue en utilisant des mécanismes prédéfinis en s’appuyant sur les données de mobilité de chaque véhicule et en permettant ainsi de prendre en compte différents critères pour la prise de décision locale, comme l’état général du trafic, la localisation d’éventuelles congestions, ou encore la circulation des bus, les trajets programmés par les véhicules, etc. L'étudiant peut avoir acces a une premiere implementation deja realisee.

SA3. Exploration collective d’un territoire par des drones

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Nous allons développer un système automatique pour le partage efficace de tâches entre des drones autonomes capables de collaborer pour l’exploration d’un territoire. Le système doit prendre en compte les contraintes de navigation des drones, les contraintes environnementales, etc. L’objectif de la coordination entre les drones est de minimiser les coûts d’exploration en termes d’énergie par exemple. Nous considérerons une résolution distribuée et nous testerons ainsi différentes méthodes.

SA4. Partage dynamique d’énergie verte entre des ilots autonomes et des véhicules connectés

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Plusieurs projets urbains innovants d’ilots autonomes tels que le projet du groupe Bouygues-construction pour la gestion intelligente de l’énergie traitent du problème du partage dynamique de l’énergie avec son réseau de communication énergétique et un système de stockage par des batteries de nouvelle génération directement installées dans les bâtiments. Ce projet vise à équiper les foyers avec de nouveaux dispositifs intelligents pour éprouver des solutions originales pour les futurs réseaux de distribution. Il cible l’ouverture des réseaux et l’exploitation automatique des îlots. L’évolution actuelle de ces ilots est renforcée grâce au développement de nouvelles batteries de stockage à fort potentiel et à faibles coûts, et au transfert intelligent de l’énergie entre les ilots avec un câblage interne indépendamment des systèmes de distribution classiques. Ce transfert permet d’envisager une adaptation de la consommation de manière locale, i.e., à l’échelle d’un quartier, en réduisant les coûts et les pertes du transport de l’énergie.

Pour accompagner le développement de ce projet, une solution pour la gestion du surplus d’énergie s’est inscrite en direction des véhicules autonomes solution de stockage et d’usage intelligent de l’énergie renouvelable. Ce modèle de fonctionnement requière l’installation de bornes de rechargement communicantes au niveau des ilots autonomes permettant aux résidents et aux non-résidents de l’ilot d’accéder au surplus d’énergie produite dans ces ilots moyennant une participation financière mais avec un coup d’achat de cette énergie relativement inférieur à celui appliqué par les fournisseurs standards. La gestion de l’énergie doit ainsi être reformulée comme un problème de planification où l’énergie fournie est considérée comme une ressource partagée et intermittente dont l’usage doit être régulé et optimisé par ce nouveau système intelligent. L’objectif de ce projet est ainsi d’implémenter une méthode de résolution qui permet aux véhicules de se recharger auprès des bornes intelligentes et de contrôler dynamiquement les interactions entre les véhicules autonomes et les bornes. L'étudiant peut avoir acces a une premiere implementation deja realisee.

SA5. Formation dynamique de pelotons pour une conduite collaborative

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

La conduite en peloton est un mode de conduite collaborative où les véhicules forment des groupes ou le premier véhicule, dit le véhicule meneur, est piloté par un conducteur humain ou un programme ; les autres véhicules suivent de manière automatique leur prédécesseur sachant que chaque conducteur peut garder le contrôle de son véhicule. Les véhicules sont directement interconnectés par un réseau sans-fil et échangent des informations en temps réel sur un réseau ad hoc dédié. Cette formation présente de nombreux avantages, notamment de sécurité puisque la signalisation du meneur est automatiquement retransmise aux autres véhicules. Par exemple, si un des véhicules du peloton effectue un freinage d’urgence alors tous ceux qui le suivent freineront instantanément, ainsi le risque de carambolage est réduit. La communication inter véhicules peut alors être utilisée pour pallier au problème de stabilité des pelotons, et leur permet un certain niveau d’organisation interne.

Le rôle de l’étudiant est de formaliser et d’implémenter un ensemble de comportements nécessaires à un véhicule autonome pour qu’il puisse former des pelotons pendant son trajet sans devoir modifier son itinéraire.

SA6. Gestion intelligente de parkings dans un centre urbain

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

L’objectif de ce projet est de proposer une méthode distribuée pour l’affectation des places de stationnement à des véhicules intelligents. Le rôle de l’étudiant est de formaliser et d’implémenter l’ensemble des comportements nécessaires aux véhicules pour interagir avec les parkings et négocier le tarif de stationnement qui est décidé dynamiquement en tenant compte d’un ensemble d’information, telles que la durée du stationnement, le profil de l’usager, le taux d’occupation du parking, le créneau horaire, etc.

SA7. Planification dynamique de la trajectoire d’un véhicule électrique intelligent

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Dans le cadre de ce projet, nous étudierons la consommation énergétique d’un véhicule électrique intelligent. Nous examinerons un ensemble de méthodes pour planifier dynamiquement la trajectoire du véhicule en tenant compte à la fois de la consommation prédite, des contraintes de mobilité des véhicules, de l’occupation des voies, etc. Chaque véhicule est modélisé dans le système par un agent intelligent. Nous définirons les comportements des véhicules et proposeront le modèle d’interaction pour supporter les interactions entre les véhicules et l’infrastructure.

SA8. Simulation distribuée du jeu de football (1)

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Le football est un jeu stratégique complexe dans lequel se mêlent les stratégies individuelles des joueurs et les stratégies collectives des groupes. Dans ce projet, nous proposerons une modélisation distribuée de ce jeu. Nous implémenterons l’environnement du jeu avec l’ensemble des personnages. Nous proposerons des comportements de jeu simples pour les joueurs. Nous implémenterons et testerons les algorithmes correspondants.

SA9. Simulation distribuée du jeu de football : Comportements collectifs (2)

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Ce projet est une variante du projet SA8 qui porte sur le jeu du football. En plus de la modélisation distribuée du jeu à proposer, nous nous intéresserons particulièrement au problème de la formation des groupes de joueurs sur le terrain. Nous définirons les critères de formation de ces groupes et les algorithmes correspondants ensuite nous les testerons.

SA10. Modélisation distribuée d’une variante du jeu de dames

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

L’objectif de ce projet est de proposer une modélisation distribuée d’un jeu stratégique. Nous prendrons comme exemple une variante du jeu de dames. Dans ce jeu, les pièces peuvent se coordonner et communiquer pour mettre en œuvre des stratégies collectives. Elles peuvent effectuer différents mouvements parallèles selon des règles prédéfinies et exhiber différents comportements (tels que des attaques de groupes simultanées). Nous testerons différentes règles de jeu et implémenterons les stratégies collectives.

SA11. Sites marchands intelligents pour le commerce électronique

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

Nous utiliserons des modèles de négociation automatique pour la mise en place de sites marchands intelligents. Chaque site dit “vendeur” propose plusieurs items ou produits avec des indications sur les propriétés des items (ex. prix min,…). Un utilisateur peut spécifier, à un site dit “acheteur”, l’item qu’il recherche, ses propriétés ainsi que les contraintes et les préférences associées à cet item. Le site acheteur se chargera alors de mener les négociations automatiques avec les sites vendeurs proposant cet item. Le travail demandé consiste à modéliser les différents comportements de négociation automatique pour la vente et l’achat des items. Nous définirons les protocoles d’interactions et de négociation correspondants. Nous implémenterons et testerons l'ensemble des mécanismes à proposer.

SA12. Livraison de marchandises

Domaine Intelligence Artificielle
Langage (proposé) C++, java
Responsable du sujet Samir AKNINE

L’objectif de ce travail est de proposer un planner automatique pour la livraison intelligente de marchandise. Nous allons considérer un ensemble de véhicules de livraison chacun ayant des propriétés spécifiques (ex. poids maximum à transporter, niveau d’autonomie, …). Chaque véhicule possède une liste de tâches à accomplir dans la journée. Il doit planifier l’ordre d’exécution de ses tâches de manière dynamique et parer à tout événement pouvons se produire dans son environnement (ex. blocage ponctuel d’une voie). Nous proposerons une modélisation distribuée dans laquelle chaque véhicule possède des connaissances de son environnement et peut interagir avec les autres véhicules et l’infrastructure. Il décide individuellement de ses actions et peut adapter ses comportements de manière dynamique. Nous implémenterons et testerons un ensemble de mécanismes pour garantir cette interaction et adaptation aux événements imprévus.

AM1. Edition interactive de nouvelles images d'objets avec des auto-encodeurs (voir des GAN)

Domaines Image Processing / Deep Learning(IA) / Interaction
Techniques et langages Python / PyQt
Responsable du sujet Alexandre Meyer
Niveau de difficulté intermédiaire

L'objectif de ce projet est de developpé une application capable de proposer des curseurs pour éditer la photo d'une classe d'objet (par exemple des visages d'une personne) en se basant sur des auto-encodeurs.

Les auto-encoders sont une classe d'algorithme basée sur les réseaux de neurones profonds qui transforment un jeu de données (des images pour nous) en une représentation latente (cachée) que l'on nomme un code. Ils sont composés d'un encodeur qui produit le code et d'un décodeur qui repasse du code à la données d'origine (l'image). L'objectif de ce sujet est de construire cet auto-encoder sur une classe d'images puis d'offrir à l'utilisateur des curseurs pour éditer le code tout en lui montrant l'image décodé.

Dans un 2e temps, par exemple pour l'édition d'un visage, nous pouvons imaginer construire un auto-encoder pour chaque partie du visage : nez, yeux, bouche. L'utilisateur pourra ainsi éditer chaque partie du visage séparément. Il est également envisageable d'explorer les GAN (Generative Adversarial Network) pour produire une nouvelle image …

GANs vs. Autoencoders: Comparison of Deep Generative Models GAN — Some cool applications of GANs.

AM2. Développement d'un jeu vidéo sous Unity piloté par les mouvements du corps

Domaines Capture de mouvement/Interaction/Jeu vidéo
Techniques et langages C# / Unity
Responsable du sujet Alexandre Meyer
Difficulté Raisonnable / Intermédiaire

Le suivi de marqueur peut facilement se réaliser avec OpenCV et une webcam. Même plus loin, la capture des mouvements d'un visage ou du corps peut être réalisé avec Dlib (visage) ou OpenPose (il faut néanmoins une machine avec un GPU Nvidia). Ce projet ce propose de developper un (ou des mini jeux) sou Unity pensés pour que l'interaction se fasse avec son corps filmé par la webcam de son ordinateur. On peut imaginer dans un premier temps un mini jeu avec des ballons qui tombent du ciel et qu'il faut attrapper soit avec les mains (marqueurs rouge suivi), soit avec la tête (DLib). Puis si ces outils sont bien maitrisés, libre à vous d'imaginer tout type de jeu : voir les jeux basés sur la Kinect ou Wii avec le même type d'interaction.

Une des difficultés techniques sera l’interfaçage entre Unity et OpenCV. Unity peut charger des librairies dynamiquement (.dll ou .so) mais il y a une phase de configuration technique.

[Unity et OpenCV] https://www.raywenderlich.com/5475-introduction-to-using-opencv-with-unity

AM3. Développement d'un jeu vidéo 2D sous Unity avec Mister RED

Domaines Jeu vidéo
Techniques et langages C# / Unity
Responsable du sujet Alexandre Meyer
Difficulté Raisonnable / Intermédiaire

Mister Red est un personnage 2D représenté par des battons pour chaque partie du corps : jambes, bras, tronc, tête. Ce sujet vous propose de développer le jeu de votre choix incluant Mister Red. La difficulté portera sur produire les animations de Mister Red, plusieurs pistes semblent envisageables. Entrer à la main ou concevoir une petite interface pour entrer les positions des mains, de la tête et des pieds sur des poses clées (1 pose pour debout, 2 poses pour marche, 1 pose coup de pied, 1 pose coup de poing) puis d'interpoler ces positions pour obtenir une animation. Une autre piste serait de partir de capture de mouvement 3D (des animations existent sous Unity) et de les projeter en 2D. La 2e difficulté sera de gérer les interactions entre Mister Red et les décors qui pourront être codée dans des images.

Libre à vous d'imaginer tout type de jeu : combat, aventure, etc. mais votre jeu devra comprendre un algorithme évolué : soit un Min/Max pour faire jouer l'ordinateur, soit un plus court chemin (type A*), ou tout autre algorithme d'“IA” un peu évolué faisant les adversaires.

[Video de Mister Red] https://www.youtube.com/watch?v=MoDGzRa1LW0

AM4. Capture et transfert d'animation d'un visage vers un autres par image warping ou déformation de maillages 3D

Domaines Image Processing
Techniques et langages Python ou C++/OpenGL
Responsable du sujet Alexandre Meyer
Difficulté Sujet progressif

L'objectif de ce projet est de développé un algorithme capable de transférer le mouvement d'un visage d'une personne filmé vers une autre personne. La capture de l'animation du visage source se fera en détectant les points caractéristiques d'un visage filmé avec une webcam en utilisant DLib (python ou C++).

Un premier prototype se fera en générant une nouvelle position de marqueurs de visage puis en réalisant un warping (déformation) de l'image du visage cible. Une interpolation par RBF (ou autre) semble une solution réalisable.

Ce warping pourra s'etendre dans 2 directions - vers la déformation d'un maillage 3D, probablement en utilsant Gkit (le code de LIFGRAPHIQUE en L2); - vers une éformation 2D plus réaliste en utilisant les réseaux de neurones (GAN).

AM5. Algorithme évolutionniste, simulation physqiue

Domaine méta heuristiques, optimisation, moteur physique
Langage C++, python, etc. ?
Responsable du sujet Fabien Rico et Alexandre Meyer
Information à voir
http://jvf.free.fr/550_Articles_LinuxMag/GLMF_076_034_041.pdf
https://www.youtube.com/watch?v=JBgG_VSP7f8
https://www.youtube.com/watch?v=m4E9sj9vH1I

Les algorithmes évolutionnistes ou génétiques sont des méta-heuristique d'optimisation c'est à dire des méthodes globales pour résoudre des problèmes de toutes sorte qu'il faut adapté à un problème particulier. Comme leur nom l'indique, ils sont basés sur le concepts d'évolution. On génère une famille aléatoire d'individu dont on conserve les plus performant, que l'on mélange pour générer une nouvelle famille …

Une idée classique de ce choix de projet est d'appliquer ces algorithmes évolutionnistes à un problème de génération de forme de créatures en cherchant à ce que ces créatures réalisent une tâche le mieux possible : par exemple la locomotion.