Intern Warmup For Hybrid Implicit Neural Representation Compression H/F

L'offre

Summary

Hybrid implicit neural representations (INR) compress images by combining learnable feature grids with lightweight neural networks. The grids capture spatial information at multiple resolutions, while a compact network transforms these features into pixel values. Both components are jointly optimized for each image to balance bitrate and reconstruction quality. The resulting latent features and network parameters are quantized and encoded into a compressed bitstream. During decoding, the features are recovered and processed by the network to reconstruct the image. This approach enables efficient image reconstruction with low decoding complexity, at the cost of more computationally intensive encoding.
The objective of this internship is to investigate warmup phases that are used prior the real encoding. This phase aims to start the encoding in the best condition. Starting from an existing framework, the intern will explore how to adapt and tailor the warmup phases to the specific image to encode.
The proposed methods will be evaluated in terms of rate-distortion performance, rendering quality, retraining complexity, and encoding time.

You will be working in the SympAI team, in the New Media Codecs Group of the Video Lab.

Responsibilities

In collaboration with the InterDigital research team, the candidate will be expected to:

Analyze existing technologies and identify core challenges related to Hybrid INR compression.

Contribute to the design and development of software solutions addressing these challenges Perform rigorous testing and validation, including simulation-based evaluations, to ensure functional correctness and performance in line with established protocols.

Implement, test, and validate the proposed components and algorithms.

Communicate technical outcomes effectively, contributing to documentation, internal reports, and potentially to publications or intellectual property filings.

Résumé

Les représentations neuronales implicites (Implicit Neural Representations, INR) hybrides compressent les images en combinant des grilles de caractéristiques apprenables et des réseaux de neurones légers. Les grilles capturent l'information spatiale à plusieurs résolutions, tandis qu'un réseau compact transforme ces caractéristiques en valeurs de pixels. Les deux composants sont optimisés conjointement pour chaque image afin d'équilibrer débit et qualité de reconstruction. Les caractéristiques latentes et les paramètres du réseau ainsi obtenus sont quantifiés et encodés dans un flux binaire compressé. Lors du décodage, les caractéristiques sont récupérées puis traitées par le réseau pour reconstruire l'image. Cette approche permet une reconstruction efficace de l'image avec une faible complexité de décodage, au prix d'un encodage plus coûteux en calcul.
L'objectif de ce stage est d'étudier les phases de préchauffage (warmup) utilisées avant l'encodage proprement dit. Cette phase vise à démarrer l'encodage dans les meilleures conditions. À partir d'un framework existant, la personne recrutée étudiera comment adapter les phases de préchauffage à l'image spécifique à encoder. Les méthodes proposées seront évaluées en termes de performances débit-distorsion, de qualité de rendu, de complexité du réentraînement et de temps d'encodage.

Vous intégrerez l'équipe SympAI, au sein du groupe New Media Codecs du Video Lab.

Missions

En collaboration avec l'équipe de recherche d'InterDigital, la personne recrutée aura pour missions de :

Analyser les technologies existantes et identifier les principaux défis liés à la compression par INR hybrides.

Contribuer à la conception et au développement de solutions logicielles répondant à ces défis. Mener des tests et des validations rigoureux, y compris des évaluations par simulation, afin de garantir le bon fonctionnement et les performances conformément aux protocoles établis.

Implémenter, tester et valider les composants et algorithmes proposés.

Communiquer efficacement les résultats techniques, en contribuant à la documentation, aux rapports internes et, le cas échéant, à des publications ou à des dépôts de propriété intellectuelle.

Profil recherché

Qualifications

Master's student in Computer Engineering, Computer Science, Software Engineering, or a closely related discipline.

Strong proficiency in C/C++ and Python is required. Familiarity with one or more of the following areas is a plus: 3D geometry, compression, computer vision, or computer graphics.

Fluent in English, with excellent written and verbal communication skills. Demonstrates strong collaboration abilities and a team-oriented mindset.

undefined

Profil recherché

Étudiant ou étudiante en master d'ingénierie informatique, d'informatique, de génie logiciel ou d'une discipline proche.

Excellente maîtrise du C/C++ et de Python exigée. Une connaissance d'un ou plusieurs des domaines suivants est un atout : géométrie 3D, compression, vision par ordinateur ou informatique graphique.

Anglais courant, avec d'excellentes compétences de communication écrite et orale. Réelles aptitudes à la collaboration et sens du travail en équipe.

undefined

Bon à savoir

Please apply on https://www.interdigital.com/company/career

REQ26-1159