Les Sessions Spéciales

En complément des 7 Thèmes généraux proposés, chaque édition du colloque GRETSI met en avant des thématiques plus spécifiques sous la forme de Sessions spéciales.

Session Spéciale 1

Contexte et défis en traitement du signal et des images pour l’analyse des données de télédétection de dernière génération

Organisateurs : Florence Tupin, Mathieu Fauvel et Lionel Bombrun

Résumé : Les récentes missions spatiales d’observation de la terre (Sentinel, SWOT, CubeSat …) produisent en continu des volumes de données sans précédent, permettant un suivi permanent de notre biosphère. Il est par exemple possible d’observer l’ensemble du territoire national tous les 5 jours par imagerie radar et optique. L’exploitation complète de ces données est cruciale dans de nombreuses applications, notamment celles en lien avec la gestion de l’environnement et le changement climatique. Cependant, l’augmentation des résolutions spatiale, spectrale et temporelle, le caractère multi-capteur/-résolution et l’explosion du volume de ces données mettent en défaut une partie des outils de traitement définis pour des résolutions/volumes plus limités. Il est ainsi nécessaire de faire évoluer les méthodes en traitement du signal et des images utilisées en télédétection (déconvolution, compression, super-résolution, classification, fusion de données …) et de repenser leur mise en oeuvre computationnelle (parallélisation, informatique dans les nuages, temps réel …).

Session Spéciale 2

Transport optimal en signal et apprentissage

Organisateurs : Rémi Flamary et Nicolas Courty

Résumé : Le transport optimal (TO) fournit un moyen puissant et flexible de comparer des mesures de probabilité, discrètes et continues, incluant des nuages de points, des histogrammes, des espaces métriques ou des modèles paramétriques et générateurs. Basée sur un problème formulé à l’origine au XVIIIe siècle, cette théorie mathématique a connu de nombreux développements au XXème siècle, récompensés par les prix Nobel de Koopmans et Kantorovich ainsi que par les médailles Fields de Villani en 2010 et Figalli en 2018. Le TO a récemment atteint la communauté de l’apprentissage machine, car elle peut aborder des scénarios d’apprentissage difficiles, notamment la réduction de la dimensionnalité, les problèmes de prédiction structurée qui impliquent des sorties d’histogrammes et l’estimation de modèles générateurs tels que les GAN dans des problèmes dégénérés et à haute dimension. Des extensions récentes ont aussi permis d’adresser des problémes du traitement de signal, comme l’apprentissage de dictionnaires ou le traitement de signal sur graphes. Malgré ces succès très récents qui ont permis de faire passer le TO de la théorie à la pratique, le TO reste un défi pour les communautés de l’apprentissage machine et du traitement du signal en raison de sa complexité calculatoire et de l’adaptation de son formalisme probabiliste à la nature des problèmes rencontrés (données multi-modales, structurées, manquantes ou bruitées, etc.). Cette session spéciale vise à proposer un état des lieux des recherches actuelles dans ce domaine ainsi que des nouvelles applications en apprentissage machine et traitement du signal, et à esquisser des lignes de développement futures pour ce domaine en plein essor.

Session Spéciale 3

Statistiques et apprentissage sur les groupes de Lie

Organisateur : F. Barbaresco

Résumé : La théorie des représentations des groupes de Lie étudie les structures algébriques en représentant leurs éléments comme des transformations linéaires d’espaces vectoriels, et en décrivant ses éléments par des matrices inversibles. Elle généralise l’analyse de Fourier via l’analyse harmonique, et est liée à la géométrie via la théorie des invariants. En outre, lorsque l’espace vectoriel, sur lequel le groupe est représenté, est un espace de dimension infinie, on peut appliquer à la théorie des groupes de Lie des méthodes d’analyse. Les groupes de Lie sont d’un usage courant en robotique, et ont été récemment introduit en apprentissage profond via les réseaux de neurones équivariants qui capturent les symétries. Plus récemment, la thermodynamique des groupes de Lie, issue de la mécanique géométrique, a permis d’introduire de façon naturelle des densités de probabilités covariantes et une généralisation de la métrique de Fisher, ouvrant la voie à des modèles statistiques paramétriques pour les groupes de Lie. Ces nouvelles approches permettent d’étendre l’apprentissage machine supervisé et non-supervisé à des éléments appartenant à un groupe de Lie ou à des éléments appartenant à une variété homogène sur laquelle un groupe de Lie agit transitivement.

Session Spéciale 4

Modélisation et surveillance des épidémies

Organisateurs : Pierrick Tranouez et Patrice Abry

Résumé : La pandémie de Covid-19 a brutalement et profondément affecté de nombreuses composantes de nos sociétés. Parmi les multiples conséquences de cette crise sanitaire est apparu un appel fort de la société vers la parole scientifique comme un outil pour définir des stratégies de réaction. En réponse, de nombreuses équipes de recherche de disciplines très différentes se sont mobilisées pour mettre leurs compétences et ressources au service de la société, cherchant à estimer l’intensité de la pandémie par des modélisations statistiques, à prévoir son évolution par des modèles à agents, à mesurer son impact, à étudier les stratégies de contact tracing dans la maitrise de la pandémie, à aider le diagnostic. Un aspect important de ces efforts de recherches ont été dédiés à la modélisation et à la surveillance de cette pandémie, en combinant des outils et méthodes qui relèvent conjointement des mathématiques, de l’informatique, du traitement statistique du Signal et de l’Image. Ces travaux se sont parfois appuyés sur de précédentes expériences de recherche dédiés à la surveillance d’épidémies à fort impact sur la société.

Dans ce contexte, il nous paraît opportun de donner la parole à un ensemble d’équipes de recherche dont les travaux se sont intéressés à la « modélisation et à la surveillance des pandémies », sans se restreindre nécessairement à l’actuelle pandémie de Covid-19. Ce sera l’occasion pour ces équipes de recherches de présenter en détail leurs résultats scientifiques, les avancées permises mais aussi les difficultés rencontrées dans cette démarche, et, le cas échéant, de discuter des « complexités » inhérentes à l’exercice de la recherche dans un contexte d’urgence et de crise sociétale.

Session Spéciale 5

Le traitement du signal face à l’exigence de décroissance : comment fait-on?

Organisateurs : Romain Couillet et Pierre-Olivier Amblard

Résumé : La lutte contre le dérèglement climatique et l’effondrement de la biodiversité exige un repli de l’activité économique de -5 à -7% par an pendant 30 ans (soit une division par 5 de l’usage énergétique d’ici à 2050) pour espérer maintenir le cap des +2°C des accords de Paris. Le secteur des TIC, érigé comme garant d’un gain en efficacité énergétique, dérive au contraire à un taux de croissance de son empreinte carbone de +9%/an. En tant que chercheurs en traitement du signal, intelligence artificielle ou encore systèmes de télécommunications modernes, nous alimentons malgré nous cette inquiétante dérive. Une transition courageuse de nos activités semble plus que jamais nécessaire.
Cette première session au coeur du Thème 6 « Histoire de la Discipline » sur le sujet lourd de sens du traitement du signal dans une société en nécessaire décroissance a pour objectif à la fois de poser clairement sur la table un état des lieux de la situation actuelle mais bien au delà de proposer de nouvelles directions enthousiasmantes d’enseignement et de recherche pour le domaine du traitement du signal.

Retour haut de page