Leonid Sigal


Chaire de recherche du Canada en vision artificielle et apprentissage automatique

Niveau 2 - 2018-01-01
Date de renouvellement : 2023-04-01
University of British Columbia
Conseil de recherches en sciences naturelles et en génie

604-822-4368
lsigal@cs.ubc.ca

En provenance de

Disney Research, Los Angeles, États-Unis

Objet de la recherche

Créer des algorithmes d’apprentissage automatique qui aident les ordinateurs à percevoir et à comprendre du contenu visuel ainsi qu’à raisonner à cet égard.

Importance de la recherche

Créer des outils et des algorithmes nécessaires à l’intelligence visuelle.

Résumé

La vision artificielle est un domaine qui étudie l’utilisation des ordinateurs pour percevoir et comprendre de façon automatique des contenus visuels, dans le but de faire des prédictions ou de fonder des décisions. L’apprentissage est un élément essentiel de la vision par ordinateur : il permet l’acquisition de modèles sophistiqués du monde visuel à partir de grandes images.

En tant que titulaire de la Chaire de recherche du Canada en vision artificielle et apprentissage automatique, Leonid Sigal étudie certains des défis fondamentaux associés à la vision artificielle. Parmi ceux-ci figurent l’apprentissage à partir de données limitées, structurées et/ou multimodales (images plus texte descriptif et son) et la mise au point de nouvelles architectures et objectifs neuronaux. M. Sigal et son équipe de recherche prévoient d’utiliser leurs découvertes pour proposer des solutions en vue d’applications dans le domaine de la curation de données, de la création de contenu, de la réalité augmentée et de la médecine.