Description
Le stage aura pour objectif de tester la faisabilité d'une approche par similarité sur des modèles génératifs dits de diffusion [1]. Plus particulièrement, l'axe de recherche privilégié est d'opérer l'évaluation dans un espace latent en utilisant un plongement (« embedding ») judicieux [2]. Après cette première étape de construction d'un espace latent, une seconde phase consistera à utiliser un modèle de diffusion latent sur cette base [3]. Enfin, la pertinence de l'approche pourra être évaluée sur un problème inverse à déterminer [4]. Le(la) stagiaire aura l'occasion d'implémenter l'ensemble de ses évaluations sur la base de données académique MNIST.
L'unité accueillant ce stage est en charge du développement et de l'amélioration continue des outils de traitement des diagnostics expérimentaux. L'ensemble des développements s'effectuera en Python. Une bonne maîtrise du langage est donc nécessaire, et la connaissance de librairies telles que PyTorch sera appréciée. Le(la) stagiaire devra également avoir une solide formation en mathématiques appliquées et en intelligence artificielle. La mise en oeuvre d'outils d'apprentissage statistique sur des images, et en particulier une expérience préalable avec les réseaux convolutionnels/modèles de diffusion, serait un plus. Le stage d'une durée de 6 mois est à pourvoir dès que possible.
1. Ho et al., Denoising Diffusion Probabilistic Models, NeurIPS 2020
2. Wang et al., Understanding Contrastive Representation Learning through Alignment and uniformity on the Hypersphere, ICML 2020
3. Rombach et al., High-Resolution Image Synthesis With Latent Diffusion Models, CVPR 2022
4. Chung et al., Diffusion Posterior Sampling for General Noisy Inverse Problems, ICLR 2023
Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l'inclusion des travailleurs handicapés.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.
Date de début
23 janv., 2026
Profil
Python, PyTorch, Mathématiques Appliquées
Bac +5
Fonction
Ingenierie_telecom
Durée (Mois)
6
Formation
RJ/Qualif/Ingenieur_B5
Secteur
Ind_hightech_telecom
A propos de CEA