Ces dernières années, mes travaux ont porté sur deux sujets principaux : le transport optimal et le traitement de vidéos. Mon HDR détaille ces deux aspects.

Le transport optimal est un cadre en vogue pour manipuler des distributions de probabilité, des histogrammes ou plus généralement des fonctions. Il consiste à considérer une fonction comme un tas de sable se déplaçant dans l'espace en un coût minimum. Cela permet par exemple de définir une manière d'interpoler entre deux distributions de probabilité (ou plus), ou de définir une distance pertinente entre des histogrammes. Cette théorie a vu beaucoup d'applications aussi bien en informatique graphique qu'en apprentissage profond.
Ici, mes travaux se sont d'abord tournés vers le développement d'algorithmes efficaces pour résoudre des problèmes de transport optimal. Ensuite, j'ai défini et résolu des problèmes inverses utilisant la géométrie du transport optimal, comme le calcul de coordonnées barycentriques ou l'apprentissage de dictionnaires pour des histogrammes.

Le traitement vidéo a vu une croissance rapide due à la grande disponibilité d'appareils photo grand public, et d'applications faciles à utiliser permettant des traitements vidéo puissants, telles que SnapChat, Instagram ou Tik Tok. Cependant, re-adapter le long historique d'algorithmes de traitement d'images pour les faire fonctionner sur des vidéos est un travail titanesque. En effet, appliquer trivialement un traitement d'images sur chaque image d'une vidéo va souvent produire des artefacts temporels tels que du scintillement. Mes travaux ont cherché à adapter les algorithmes de traitement d'images les plus courants aux vidéos, de manière temporellement cohérente. J'ai d'abord adapté des filtres spécifiques (étalonnage de couleurs, et images intrinsèques), et ai finalement trouvé une manière d'adapter un grand nombre de traitements d'images aux vidéos sans même connaitre leurs formulations.

Ma présentation d'HDR décrira mes contributions les plus représentatives.