Notice
Physical Models and Machine Learning for Scientific Imaging
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
Deep learning has transformed image processing, often surpassing traditional methods that rely on precise modeling of optical image formation. In this presentation, we explore the synergy between model-based and learning-based approaches, highlighting the potential of hybrid methods for scientific imaging—an area where interpretability, robustness to real-world degradations, and the scarcity of ground truth data pose major challenges. We will showcase several applications, from high-contrast direct imaging for exoplanet detection to molecular-scale microscopy, illustrating how these hybrid strategies can push the boundaries of what is achievable in complex imaging scenarios.
Sur le même thème
-
Désassemblons le numérique - #Episode14 : Et si demain, l'IA lisait dans nos pensées ?
LOTTE Fabien
Dans ce nouvel épisode de Désassemblons le numérique, nous vous proposons un petit détour par… votre cerveau ! Enfin, plus précisément, par la façon dont les machines pourraient un jour le comprendre.
-
ML-enhancement of simulation and optimization in electromagnetism
PESTOURIE Raphaël
Full-wave simulations of large-scale electromagnetic devices — spanning thousands of wavelengths while featuring sub-wavelength geometrical details — pose significant computational challenges….
-
Des opérateurs de neurones aux modèles de fondation : Scientific Machine Learning pour les phénomèn…
LEHMANN Fanny
Le Scientific Machine Learning a émergé comme un domaine à la frontière entre apprentissage automatique et simulation numérique pour construire des méta-modèles innovants...
-
Actualités astronomiques de mai 2025
FONTENEAU Valentin
Exoplanète renversante ; possible signe de vie extraterrestre ; aurores dans le système solaire ; cartographie du ciel par le télescope spatial Euclid ; anniversaire du télescope spatial Hubble et
-
Imagerie structurelle 3D de tissus riches en collagène par microscopie SHG polarimétrique
SCHANNE-KLEIN Marie-Claire
La microscopie par génération de seconde harmonique (SHG) permet d’imager le collagène.…
-
Impact des techniques neuronales pour la microscopie computationnelle
DORIZZI Bernadette
GOTTESMAN Yaneck
Cet exposé s'attachera à décrire l'intérêt des techniques de réseaux de neurones pour la microscopie computationnelle…
-
Actualités astronomiques d'avril 2025
PéCONTAL Emmanuel
Fin de la mission Gaia ; résultat de DESI sur la constante cosmologique ; anneau d'Einstein et observation directe d'exoplanètes : les actualités astronomiques d'avril 2025.
-
Acquisition interférométrique compressive : de l'imagerie sans lentille au beamforming aléatoire en…
JACQUES Laurent
Dans cette présentation, nous étudierons les propriétés d'un modèle d'acquisition d'image spécifique rencontré dans deux applications d'imagerie compressive distinctes : l'imagerie sans lentille à
-
Angela Dai – 3D in a Large-Data World
DAI Angela
Recent advances in machine learning have shown remarkable progress in the 2D and video domain, fueled by very large-scale data and compute. 3D, however, which is critical for applications spanning
-
Accidents du travail dans l’UE-15 et méthodes d’apprentissage automatique-PUDD
MBOMé Marie
Cette présentation met en avant l'apport des outils modernes de traitement des données dans le domaine des sciences humaines et sociales, en combinant statistiques avancées et intelligence
-
Présentation Journées Imagerie Optique Non Conventionnelle (JIONC)
VERRIER Nicolas
FONTBONNE Alice
DUCROS Nicolas
Journées visant à réunir des chercheurs, ingénieurs, académiques ou industriels afin d'échanger sur les plus récents développements de systèmes ou de traitements pour l'imagerie non-conventionnelle.
-
Actualités astronomiques de janvier 2024
KROGAGER Jens-Kristian
Découverte d'une sous-Neptune froide ; livraison des premiers segments de l'ELT ; galaxie sans étoile ; gigantesque structure dans l'Univers proche et poussières cosmiques : les actualités