Vision par ordinateur
Fellow suit ce sujet depuis juillet 2026 : 52 articles résumés en français, dont 7 jugés majeurs ou notables.
Toute l'actualité · 52 articles
Comment la sortie ouverte de Molmo 2 a aidé un chercheur du MIT à repenser le suivi des poissons
Kai Van Brunt, chercheur au MIT, a développé Molmo2Fish à partir de Molmo 2 : un modèle expérimental qui suit des saumons dans des images sonar et corrige certaines erreurs en langage courant.
4D-HOF : reconstruction 4D d'interactions main-objet par flow matching feed-forward
Un nouveau cadre génératif reconstruit en une passe les interactions main-objet en 4D, plus stable que les approches par optimisation ou bruit aléatoire.
GPT-6 Astra serait le meilleur modèle de vision testé par Roboflow
Roboflow affirme que le modèle « GPT-6 Astra » surpasse tous les modèles de vision évalués jusqu'ici dans ses benchmarks internes.
FurE : reconstruction 3D efficace de fourrure animale sans jeu de données dédié
Une méthode par mèches reconstruit un pelage animal éditable à partir d'images multi-vues, sans dataset spécifique de fourrure animale.
OC-GS : Gaussian Splatting pour capture en plateau tournant irrégulière
Une méthode de reconstruction 3D corrige les angles de rotation incertains pour reconstruire des objets à partir de captures rares et irrégulières.
TrackEverything : suivi dense longue durée via dé-duplication de représentations 3D de scènes
Un nouveau tracker 3D résout le compromis entre suivi long terme et suivi dense en représentant les vidéos comme des scènes 3D persistantes.
ERCPMP-Gx : dataset endoscopique pour la polypose colorectale
Un nouveau dataset relie imagerie endoscopique, histopathologie et génomique pour classer les syndromes de polypose héréditaire.
Det-LIME : explicabilité multi-instance pour la détection automatisée de mammifères marins
Une adaptation de LIME conçue pour les détecteurs d'objets améliore l'interprétabilité des modèles utilisés en conservation animale.
La « mode adversariale » s'affiche contre la surveillance algorithmique
Des créateurs conçoivent des vêtements imprimés de motifs destinés à leurrer les systèmes de reconnaissance faciale et de lecture de plaques.
Ref-GeNVS : synthèse de vue générative consciente des reflets
Une méthode sans entraînement pour générer de nouvelles vues dans les scènes avec miroirs en exploitant le contenu réfléchi.
Segmentation lésions PET/CT interactive via scribbles
Un ResEnc U-Net conditionné par des scribbles améliore la segmentation lésions sur des données PET/CT multisites.
Des archivistes poussent des Nikon à 902 000 clichés pour sauver 1800 livres rares
Une équipe a poussé des Nikon d'entrée de gamme à leurs limites et entraîné un réseau de neurones pour automatiser le nettoyage de 526 000 scans.
Détecteur de caméras cachées par LED et IA
Une technologie de smartphone exploite la LED et l'IA pour repérer les optiques cachées.
Identifier les cosmétiques contrefaits grâce à l'IA
Un chercheur explore comment des modèles de vision par ordinateur pourraient détecter les faux produits cosmétiques.
Les modèles génératifs vidéo comme apprenants de géométrie
GeoNeXt réutilise des modèles vidéo pré-entraînés pour estimer profondeur et normales de surface, avec bien moins de données que les approches concurrentes.
LeVJEPA : prétraining vidéo efficace sans heuristiques
LeVJEPA simplifie l'encodage vidéo self-supervisé en éliminant les asymétries architecturales complexes, offrant une meilleure efficacité calculatoire.
Recoverability PPG vers rPPG par propriétés spécifiques
Étude de la préservation des propriétés physiologiques lors de la conversion PPG vers rPPG via CHROM.
MyoMechanix : écosystème multimodal pour l'analyse biomécanique
Un nouveau benchmark et un moteur de raisonnement allient vidéo, pose et sEMG pour un coaching sportif expert.
ICON Decomposition : explications conceptuelles pour l'audit
Une méthode pour auditer les réseaux de neurones en isolant les concepts réellement utilisés par le modèle.
Robust CurveMoE : une défense adversariale multi-normes pour les modèles Mixture-of-Experts
Une architecture MoE reliant des experts robustes par mode connectivity pour améliorer la défense contre les attaques adversariales multi-normes.
Un photoscanner IA de Google évaluerait le taux de graisse corporelle via des selfies
Une méthode d'analyse d'images développée par Google mesurerait des indicateurs de composition corporelle à partir de simples photos.
GPT-5.6 Sol : le meilleur modèle « vision » jamais publié par OpenAI
Roboflow affirme que GPT-5.6 Sol surpasse tous les modèles vision précédents d'OpenAI sur ses tests de perception visuelle.
Attribution du sexe dans l'art pariétal par deep learning
Un framework d'IA modélise l'incertitude pour déterminer le sexe des auteurs de stencils préhistoriques.
TabSOM : une méthode d'encodage tabulaire-vers-image basée sur les cartes auto-organisatrices
Une nouvelle technique convertit des données tabulaires en images en préservant les relations entre variables, avec des performances supérieures aux méthodes existantes.
OpenCV lance son concours d'IA 2026
OpenCV ouvre les inscriptions pour sa compétition annuelle dédiée aux projets d'IA et de vision par ordinateur.
État des lieux du Class Activation Mapping en XAI
Une revue méthodologique évalue les techniques CAM pour CNNs, Transformers et modèles de fondation.
AlbumentationsX : pipeline unifié pour augmentations
Cette bibliothèque synchronise les transformations sur images et annotations pour éviter les désalignements.
Nouvel indice de qualité de possession hors-ball pour le football
Une méthode distingue possession stérile et création d'espace via l'analyse vidéo et les menaces attendues.
MirrorWorld : générer des reflets avec la vidéo diffusion
Un nouveau framework exploitant la sémantique et la géométrie pour corriger les reflets dans les vidéos.
Reconnaissance d'incidents de classe : raisonnement robuste
Un nouveau cadre hybride allant efficacité et protection de la vie privée pour analyser les vidéos de classe.
État de l'IA dans l'industrie des jumelles
Intégration des technologies de vision par ordinateur et de reconnaissance d'objets dans les dispositifs d'optique grand public.
L'IA ouvre une nouvelle ère pour l'étude cognitive des primates sauvages
Des chercheurs utilisent l'intelligence artificielle pour automatiser l'analyse des comportements de primates dans leur environnement naturel.
PAC-MAN : perception-aware CBF-RL pour la sécurité humanoïde
Un framework CBF-RL améliore l'esquive de balles par des humanoïdes en couplant sécurité et perception embarquée réaliste.
VAD : attribution visuelle pour la reconstruction de cibles
VAD isole les preuves visuelles dans la distillation multimodale on-policy pour améliorer la reconstruction des cibles.
DITL : un nouveau cadre de transfer learning pour la mammographie
Le framework DITL améliore le dépistage du cancer du sein en adaptant l'apprentissage aux caractéristiques des datasets.
Show HN : FeyNoBg, un modèle de suppression automatique d'arrière-plan et sa librairie d'entraînement
Un développeur présente FeyNoBg, un outil open-source pour retirer automatiquement les arrière-plans d'images, avec code d'entraînement inclus.
Le MIT deviendrait un foyer de recherche en vidéosurveillance par IA
Bruce Schneier alerte sur des projets académiques du MIT qui développeraient des technologies de surveillance vidéo assistée par IA.
SM4RT : apprendre une géométrie de mouvement structurée pour la reconstruction 4D
Un nouveau transformer reconstruit en un seul passage la géométrie 3D et le mouvement structuré à partir d'une vidéo RGB monoculaire.
Un framework de données synthétiques pour automatiser le contrôle qualité en héliogravure
Face à la rareté des images de défauts industriels, des chercheurs génèrent des données synthétiques pour entraîner un détecteur d'objets performant.
Mage-Flow : modèle natif haute résolution pour images
Microsoft présente Mage-Flow, un modèle de fondation efficace pour la génération d'images à résolution native.
Robustesse RGB-D via Condition Dropout
Une méthode par continued-training améliore la segmentation sémantique RGB-D lors de pannes de capteurs.
90 000 caméras Flock déployées aux États-Unis : usages et localisation
L'essor de la surveillance par caméras Flock Soulève des questions sur le suivi automatisé des véhicules.
Appearance Pointers : contrôle régional multimodal pour Diffusion Transformers
Une méthode introduisant des tokens compacts pour guider précisément les DiTs selon des zones définies.
ROMS-IMLE : approche minimaliste pour la génération en une étape
Une méthode minimaliste rivalisant avec les modèles de diffusion sur ImageNet sans débruitage itératif.
Entraînement certifié contre les perturbations convolutives
Une méthode d'entraînement certifié garantit une robustesse formelle des modèles de vision face aux flous de mouvement, surpassant l'Adversarial Training.
teLLMe : analyse causale exploratoire des données de conduite urbaine
Un système combine LLM et méthodes causales pour explorer les liens entre météo, heures de pointe et densité du trafic à partir de vidéos de conduite.
NVIDIA DeepStream 9.1 : suivi 3D multi-caméras pour applications de vidéo-analyse
NVIDIA détaille comment ses nouvelles fonctions DeepStream 9.1 permettent de suivre un objet en 3D à travers plusieurs caméras.
DeepSeek-OCR : nouveau modèle de reconnaissance optique
DeepSeek annonce DeepSeek-OCR, un modèle performant pour l'extraction de texte à partir d'images.
MetaPerch : apprentissage par metadata pour les modèles bioacoustiques
MetaPerch exploite les metadata d'enregistrements comme signaux auxiliaires pour améliorer la robustesse des modèles de bioacoustique.
Des caméras IA sur les camions-poubelles pour détecter les infractions au code de l'urbanisme
La ville de Cape Coral envisage d'équiper ses camions de collecte de caméras IA pour scanner automatiquement les propriétés privées.