BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen - ECPv5.7.0//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen
X-ORIGINAL-URL:https://www.greyc.fr
X-WR-CALDESC:évènements pour GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240613T140000
DTEND;TZID=Europe/Paris:20240613T153000
DTSTAMP:20260422T025146
CREATED:20240410T145913Z
LAST-MODIFIED:20240411T154203Z
UID:11477-1718287200-1718292600@www.greyc.fr
SUMMARY:Séminaire IMAGE : Enjeux à moyen et long terme en vision\, perception et interprétation multimédia (Frédéric Jurie)
DESCRIPTION:Nous aurons le plaisir d’écouter Frédéric Jurie\, Professeur de l’Université de Caen.\nIl donnera un séminaire IMAGE\, le jeudi 13 juin 2024\, à 14h00\, en salle de séminaire F-200.\nTitre: Enjeux à moyen et long terme en vision\, perception et interprétation multimédia\nRésumé: \n\nL’objectif de ce séminaire est d’explorer de futures directions de recherche possibles dans le domaine de la vision\, percpetion et interprétation multimédia. Ce séminaire a été donné dans le cadre de la Commission d’Evaluation d’Inria\, où Frédéric Jurie a été invité à donner son point de vue d’expert sur ce domaine.\nFrédéric souhaite nous en faire également profiter (à raison) !\n\nOn vous y attend nombreux !
URL:https://www.greyc.fr/event/seminaire-image-enjeux-a-moyen-et-long-terme-en-vision-perception-et-interpretation-multimedia-frederic-jurie/
LOCATION:ENSICAEN – Batiment F – Salle F-200\, 6 Bd Maréchal Juin\, Caen\, 14050\, France
CATEGORIES:Image,Seminaire Image
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240620T140000
DTEND;TZID=Europe/Paris:20240620T150000
DTSTAMP:20260422T025146
CREATED:20240617T080336Z
LAST-MODIFIED:20240617T080336Z
UID:11611-1718892000-1718895600@www.greyc.fr
SUMMARY:Séminaire IMAGE : Physically constrained generative networks for cloud and texture synthesis (Pierrick Chatillon)
DESCRIPTION:Nous aurons le plaisir d’accueillir Pierrick Chatillon\, qui parla du travail de sa thèse entre Télécom Paris et l’ONERA.\nIl donnera un séminaire IMAGE\, le jeudi 20 juin 2024\, à 14h00\, en salle de séminaire F-200. \nTitle: Physically constrained generative networks for cloud and texture synthesis\nAbstract:\nEvaluating the performance of optical sensors requires large-scale databases of cloud backgrounds\, for example to predict optical link availability between ground stations and satellites and detecting small objects like drones against cloudy skies. Deep learning algorithms can be implemented for these purposes\, requiring large training databases. Accessing such databases is challenging since passive systems used for atmospheric observations provide only partial views\, and databases constructed through physical modeling are costly. We have therefore developed deep learning methods to overcome this need for large quantities of cloud images\, with the aim of maintaining the spectral and radiometric properties of the images.\nPhysical simulations are limited in terms of spatial resolution if the area to be covered is large. Hence\, we explored two super-resolution approaches to enhance image definition. Both methods belong to internal methods\, exploiting information redundancy within a single image at different locations and scales. They leverage the fractal properties of cloud backgrounds and use a generative network as a common model for various resolutions. These methods enable the generation of images exhibiting a power decay of the spectral density\, an essential descriptor of cloud textures.\nA different direction of our research involves exploring texture synthesis methods. We introduce a generative model for cloud image generation based on physical parameters. This model can control the spectral behavior and histogram characteristics of the generated images\, given set of physical descriptors. It utilizes an appropriate multi-scale noise weighting to govern the spectral slope. Finally\, we delved into texture synthesis from a general perspective\, proposing an auto-encoder structure adapted to textures and enriched to handle textures with periodic patterns.\nOverall\, our work contributes to generating realistic cloud images from limited data\, preserving spectral and radiometric properties\, thanks to multi-scale approaches that leverage the fractal characteristics of clouds.‌
URL:https://www.greyc.fr/event/seminaire-image-physically-constrained-generative-networks-for-cloud-and-texture-synthesis-pierrick-chatillon/
LOCATION:ENSICAEN – Batiment F – Salle F-200\, 6 Bd Maréchal Juin\, Caen\, 14050\, France
CATEGORIES:Image,Seminaire Image
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240626T080000
DTEND;TZID=Europe/Paris:20240830T170000
DTSTAMP:20260422T025146
CREATED:20240626T073500Z
LAST-MODIFIED:20240626T073718Z
UID:11623-1719388800-1725037200@www.greyc.fr
SUMMARY:Blended Intensive Program on Artificial Intelligence for Science
DESCRIPTION:Des chercheurs du GREYC organisent un European Blended Intensive Program (BIP) sur le thème de « l’IA pour la Science » à Caen du 26 au 30 Août.\nCe BIP explorera l’utilisation de l’intelligence artificielle (IA) comme outil pour faire avancer la recherche scientifique et réaliser de nouvelles découvertes dans divers domaines de la science.\n\n\nPlus d’informations sont disponibles sur : https://acrosseu.unicaen.fr/evenement/bip-artificial-intelligence-for-science/\nLien d’inscription : https://unicaen.moveonfr.com/form/651fcf4cabd14bc918074bce/eng\n\n\nConsultez le programme ici
URL:https://www.greyc.fr/event/blended-intensive-program-on-artificial-intelligence-for-science/
CATEGORIES:General,Image,News
END:VEVENT
END:VCALENDAR