Institut multidisciplinaire d'intelligence artificielle

DESCRIPTION

Face à un ensemble de problèmes à résoudre, le paradigme dominant dans la communauté de l'IA a été de résoudre chaque problème ou tâche indépendamment. Cela contraste fortement avec la capacité humaine à s'appuyer sur l'expérience passée et à transférer des connaissances afin d'accélérer le processus d'apprentissage d'une nouvelle tâche. Pour imiter cette capacité, la communauté du machine learning a introduit le concept d'apprentissage continu ou d'apprentissage tout au long de la vie. Le principal avantage de ce paradigme est qu'il permet d'apprendre avec moins de données, souvent plus rapidement et avec une meilleure généralisation. D'un point de vue industriel, le potentiel de l'apprentissage tout au long de la vie est énorme, car cela signifierait un déploiement plus rapide des modèles d'apprentissage automatique en contournant la nécessité de collecter labels.

ACTIVITÉS

Notre chaire autour de plusieurs axes de recherche, notamment l'apprentissage auto-supervisé, l'adaptation continue, l'apprentissage en ligne et l'apprentissage par flux.

Nous collaborons avec la chaire par Julien Mairalintitulé Vers une plus grande efficacité des données dans l'apprentissage automatique.

chaire

• Wiki-M3L atelier à l'ICLR22 (avril 2022)
• Atelier ImageNet Past, Present, Future à l'occasion de NeurIPS21 (décembre 2021)
• Conférence invitée à la conférence ANITI Institut de recherche ANITI : "Lifelong visual representation learning : learning from weak supervision & mitigating catastrophic forgetting (mai 2021)
• Exposé invité à l'atelier sur les femmes dans le domaine de la vision par ordinateur (WiCV) Atelier sur les femmes dans la vision par ordinateur (WiCV) à CVPR21 (août 2021)
• ÉCOLE D'ÉTÉ PAISS avec plus de 300 participants du monde entier (juillet 2021)
• Discours liminaire lors de l'atelier sur la reconnaissance au niveau de l'instance Atelier sur la reconnaissance au niveau de l'instance à ECCV20 : "From Instance-Level to Semantic Image Retrieval" (août 2020)

LISTE SÉLECTIVE DE PUBLICATIONS

• Sur la voie de l'adaptation en ligne pour la segmentation sémantique des images. R. Volpi, P. De Jorge, D. Larlus, G. Csurka. Computer Vision and Pattern Recognition conference(CVPR), 2022.
• Généralisation des concepts dans l'apprentissage des représentations visuelles. M. B. Sariyildiz, Y. Kalantidis, D. Larlus, K. Alahari.(ICCV), 2021.
• Adaptation continue des représentations visuelles via la randomisation des domaines et le méta-apprentissage. R. Volpi, D. Larlus, G. Rogez. Computer Vision and Pattern Recognition conference(CVPR), 2021.
• Mélange négatif dur pour l'apprentissage contrastif. Y. Kalantidis, M. B. Sariyildiz, N. Pion, P. Weinzaepfel, D. Larlus.(NeurIPS) 2020.
• Apprentissage de représentations visuelles à l'aide d'annotations de légendes. B. Sariyildiz, J. Perez, D. Larlus. Conférence européenne sur la vision artificielle(ECCV) 2020.