ConnectionLens est un outil permettant de trouver des connexions entre des termes spécifiés par l'utilisateur à travers plusieurs sources de données hétérogènes. Il considère un ensemble de sources de données indépendantes comme un graphe virtuel unique, où les nœuds représentent des éléments de données fins (par exemple, des tuples relationnels, des attributs, des paires clé-valeur, des nœuds RDF, JSON ou XML) et les arêtes correspondent soit à des connexions structurelles (par exemple, un tuple est dans une base de données, un attribut est dans un tuple, un nœud JSON a un parent, etc.) soit à des liens de similarité (sameAs). Pour enrichir le contenu avec lequel les journalistes travaillent, ConnectionLens détecte également les personnes, les organisations, etc. mentionnées dans le texte, que ce soit du texte intégral ou des extraits trouvés dans des données RDF ou XML.

Connection-Studio est une plateforme web permettant l'analyse et la visualisation de données biologiques, en particulier des réseaux d'interactions moléculaires. Il permet l'intégration de données hétérogènes et la recherche de motifs dans des données textuelles.

DeepMOT est un projet d'intelligence artificielle spécialisé dans le suivi et la détection d'objets dans des vidéos en temps réel.

Projet de recherche en infographie et intelligence artificielle visant à synthétiser des images réalistes de scènes avec des surfaces réfléchissantes à partir d'un ensemble de photos. Utilise une représentation de points neuronaux pour modéliser les catacaustiques et générer des rendus interactifs de haute qualité.

Le projet sibr_core est un système d'image-based rendering (IBR) permettant la visualisation et le rendu d'images 3D à partir d'une collection d'images. Il offre des fonctionnalités telles que la création de mosaïques d'images et la gestion de caméras multi-vues.

Abstra est un système permettant de créer le schéma E-R de n'importe quel ensemble de données RDF, JSON ou XML. D'autres formats seront ajoutés dans le futur.

Ce projet est un dépôt de code source pour la formation "Overview in AI" du 25 mai 2023. Il contient des notebooks Jupyter pour l'apprentissage de réseaux de neurones multi-couches et convolutifs, ainsi que pour le fine-tuning avec Visual Transformer de HuggingFace. Il y a également des slides de présentation et des informations de contact.

Alphapose_v2 est un projet de détection et de suivi de personnes dans des images et des vidéos. Il utilise des algorithmes avancés de vision par ordinateur pour détecter les personnes, estimer leur pose et les suivre dans des séquences vidéo. Le projet est basé sur des bibliothèques open source telles que SciPy, OpenCV, Matplotlib, scikit-learn, TensorFlow, PyTorch et d'autres outils pour offrir des fonctionnalités de pointe en matière de traitement d'images et de vidéos.

Projet de correspondance entre visages et corps détectés à l'aide de la bibliothèque OpenCV et de traitement d'images. Utilisé pour le suivi de personnes dans des environnements et l'intégration avec des systèmes de robotique.

Ce projet implémente une méthode d'inférence de profondeur à partir d'images en utilisant un réseau de neurones convolutifs. Il s'agit d'un réseau de neurones calibré qui permet de projeter des points sur une image et d'inférer une représentation dense de la profondeur à partir de cette image. Cette méthode a été testée sur des données de nuages de points 3D provenant de capteurs tels que le Lidar ou la stéréovision et a permis d'améliorer la précision des nuages de points 3D.