Les offres de “CEA”

Expire bientôt CEA

Interactions et surfaces implicites neuronales (Nerf). H/F

  • Stage
  • Palaiseau (Essonne)

Description de l'offre

Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.

Référence

2022-23281

Description de l'unité

Au sein du CEA LIST, le Laboratoire de Simulation Interactive (LSI) développe une plateforme de simulation multi-physique interactive mettant en jeu un ou plusieurs utilisateurs en exploitant les technologies de Réalité Virtuelle (RV) et de Réalité Mixte (RM).
Cette plateforme, dénommée XDE Physics, permet de simuler la manipulation et les interactions de l'ensemble des systèmes, pièces rigides, articulées ou déformables (câbles) directement sur les maquettes numériques.
Elle permet également de valider des scénarios incluant l'opérateur pour étudier l'ergonomie du poste de travail par l'introduction de son avatar dans la simulation dynamique.
Centrées sur les noyaux de simulation interactive, les activités de l'équipe vont jusqu'à la mise au point d'applicatifs, répondant aux contextes d'usage de ses partenaires industriels (manufacturing pour l'automobile et l'aéronautique, énergie, santé).

Description du poste

Domaine

Mathématiques, information scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Interactions et surfaces implicites neuronales (Nerf). H/F

Sujet de stage

Les représentations géométriques implicites neuronales, de type volumique (Neural Radiance Field[1]) ou surfaciques (Signed Distance Function [2]), ont connu lors de ces dernières années un fort engouement. Outre la possibilité de visualiser ces représentations, on aimerait pouvoir intéragir avec elle en pointant des objets, en prenant des cotes, en déterminant des interférences ou des collisions avec des objets de géométrie explicite plongés à l'intérieur etc.. Pour cela il est nécessaire de développer des outils de base tels que des tests d'intersection avec un rayon ou des mesures de distance minimale en un point.

Durée du contrat (en mois)

6

Description de l'offre

Le stage consistera à faire une revue de l'état de l'art concernant les techniques employées. On se concentrera notamment sur [3], récompensé d'un best technical paper award au Siggraph 2022, qui propose une solution basée sur de l'arithmétique d'intervalle (plus exactement de l'arithmétique affine) qui peut s'adapter à différents types de représentation neuronale et procure des résultats avec des encadrements d'erreur garantis. Une application de haut niveau possible, au cours de ces travaux de stage, sera le développement d'une méthode de path-planning permettant d'aller d'un point à un autre au moyen du plus court chemin et sans collision pour un objet de géométrie donnée.

Références bibliographiques
[1] B. Mildenhall, P. P. Srinivasan, M. Tancik, J. T. Barron, R. Ramamoorthi, and R. Ng. Nerf: Representing scenes as neural radiance fields for view synthesis. In European Conference on Computer Vision (ECCV), 2020.
[2] Park, Jeong Joon and Florence, Peter and Straub, Julian and Newcombe, Richard and Lovegrove, Steven, DeepSDF: Learning Continuous Signed Distance Functions for Shape Representation, arXiv, 2019, https://arxiv.org/abs/1901.05103
[3] Nicholas Sharp and Alec Jacobson. 2022. Spelunking the deep: guaranteed queries on general neural implicit surfaces via range analysis. ACM Trans. Graph. 41, 4, Article 107 (July 2022), https://doi.org/10.1145/3528223.3530155, https://github.com/nmwsharp/neural-implicit-queries

NeRF https://www.youtube.com/watch?v=JuH79E8rdKc

Interaction https://www.youtube.com/watch?v=j5sAdzyZ7J0

Moyens / Méthodes / Logiciels

Langage Python, librairies pour le deep learning (Pytorch, TensorFlow, JAX), Git

Profil recherché

Profil du candidat

Ingénieur, Master 2 recherche

Bonne qualité rédactionnelle et de communication, en français et anglais, rigueur dans l’analyse et la démarche

Faire de chaque avenir une réussite.
  • Annuaire emplois
  • Annuaire entreprises
  • Événements