Equipes-projets dans le cadre du LabEx CIMI
Unstructured Data Analysis
(UNREAL)
L’équipe du projet UNREAL regroupe des chercheurs travaillant sur ” l’analyse de données non structurées “, et venant de divers domaines de l’informatique et des mathématiques : infographie, statistiques, modélisation probabiliste, optimisation mathématique, traitement d’images, intelligence artificielle.
…
Partenaires :
LabEx CIMI, IMT, LAAS
Contact IRIT :
Loïc
BARTHE
Équipes-projets avec d’autres structures
Laboratoire commun
Michel Laudet
La recherche dans le domaine de la santé génère une masse de données qui ne peuvent être traitées dans leur totalité que numériquement. Les compétences en intelligence artificielle, en mathématiques, en simulation, en modélisation logique des systèmes et en vie artificielle de l’IRIT vont permettre aux chercheurs du CRCT et de l’IUCT-O d’accélérer leurs recherches et ainsi de proposer rapidement des solutions innovantes pour une meilleure prise en charge des patients atteints de cancer.
Contact IRIT :
Sylvain CUSSAT-BLANC
Toulouse Mind and Brain Institute
Le TMBI a pour objectif de favoriser les interactions entre les différents acteurs de la recherche en neurosciences intégratives chez l’homme sain, le patient, ainsi que l’animal, en associant recherche fondamentale et recherche finalisée autour de l’élucidation des mécanismes des fonctions cognitives et de leurs dysfonctionnements au cours de maladies du système nerveux.
Contact IRIT :
Thomas PELLEGRINI
Laboratoires communs organismes de recherche publics – PME / ETI (LabCom) : l’objet de ce programme ANR est d’inciter les acteurs de la recherche académique à créer des partenariats structurés à travers la co-construction de « Laboratoires Communs » entre une PME ou une ETI et un laboratoire d’organisme de recherche.
ALICIA-VISION
L’objectif du laboratoire commun ALICIA-Vision est de formaliser une activité de recherche conjointe entre l’équipe REVA de l’IRIT et la société de post-production Mikros Image, située à Paris.
Cette activité vise :
- à innover dans le domaine de la vision artificielle, à l’aide d’approches géométriques et photométriques, pour l’extraction de connaissances précises sur les appareils de prises de vue, la scène et les matériaux dont elle est constituée, et les sources lumineuses ;
- à créer une liaison transversale entre les approches théoriques et algorithmiques pour la création d’effets visuels par vision artificielle “classique”, telles qu’elles sont actuellement développées par REVA et Mikros Image, et les approches de ces problèmes par vision artificielle “intelligente”, c’est-à-dire selon les paradigmes de l’apprentissage automatique en IA, en particulier ceux de l’apprentissage profond (deep learning).