La 20ème édition du colloque ORASIS, journées francophones des jeunes chercheurs en vision par ordinateur, a lieu du 9 au 13 juin 2025 au Domaine de Port aux Rocs au Croisic (44). Ces rencontres inter-disciplinaires regrouperont les jeunes chercheuses et chercheurs francophones issu.e.s de la communauté de la vision par ordinateur ou de ses domaines connexes. Six sessions de conférenciers invités portent sur des travaux de recherche en lien avec la vision par ordinateur et le traitement d’images, concernant des domaines d’application comme la vision robotique, l’imagerie médicale et biologique, l’imagerie par satellite, le multimédia, la réalité virtuelle.
On y écoutera notamment, le jeudi 12 juin, l’intervention d’Olivier Lézoray, enseignant chercheur en informatique à l’université de Caen et chercheur au GREYC, spécialisé depuis des années sur l’intelligence artificielle appliquée à des domaines variés, dont le traitement et l’analyse de maillages 3D, des signaux sur graphes aux réseaux de neurones.

Vous avez dit “maillages 3D” ?
Numériser (scanner) en trois dimensions un objet est certes devenu aujourd’hui très accessible, même avec un smartphone, mais de fait aussi très imparfait. Le maillage, un réseau de points et de surfaces, doit être nettoyé, corrigé, optimisé.
Dans le secteur du jeu vidéo, cette question est cruciale pour garder des performances fluides.
Dans les secteurs consanguins du cinéma et de l’audiovisuel, la qualité d’un maillage 3D garantit la crédibilité des doubles numériques hyper-réalistes.
Ces maillages 3D permettent de représenter presque tout : du bâtiment, pour préparer une rénovation ou une reconstruction, à la microscopie pour observer la structure de certains matériaux en visualisant les grains qui les composent et suivre leur évolution dans le temps ou soumis à des déformations.

Là où l’on s’appuyait auparavant sur des techniques classiques de traitement du signal ou de l’image, on utilise désormais de plus en plus les “réseaux de neurones”. Olivier Lézoray développe des méthodes d’identification automatisée des zones saillantes d’un maillage 3D, celles qui attirent notre attention. Il s’appuie sur l’intelligence artificielle pour corriger/réparer automatiquement un maillage incomplet, en apprenant à la machine à combler les zones manquantes grâce à des exemples d’apprentissage.
Ces travaux sont bien entendu traversés par le dilemme fondamental de la soutenabilité afin de rendre ces modèles plus compacts, moins énergivores, tout en maintenant leurs performances élevées.