Post-doctorant intelligence mapping

Contexte général du projet Le travail proposé s'inscrit dans un vaste projet intitulé Intelligent_Mapping, lui-même inscrit dans le projet PEPR Risques IRIMA financé en 2024 par l'Agence Nationale de la Recherche (ANR) dans le cadre du programme national PIA4 France 2030 (voir https://www.pepr-risques.fr/fr/programme-de-recherche-risques-irima). IRIMA est piloté par le CNRS, l'Université Grenoble Alpes et le BRGM, et vise à structurer et renforcer la science des aléas et des risques en France. Intelligent_Mapping est une composante d'IRIMA, soutenue et hébergée par Université Côte d'Azur (Responsable : Isabelle Manighetti, Géoazur ; co-responsable : Elena Di Bernardino, LJAD). Plus spécifiquement, Intelligent_Mapping est intégré au Consortium « Plateformes » porté par le BRGM. L'objectif principal d'Intelligent_Mapping est de développer des algorithmes d'Intelligence Artificielle (IA) capables d'identifier, cartographier et mesurer dans des images aériennes et satellitaires de la Terre, les aléas et risques naturels et socio-environnementaux étudiés dans IRIMA (tremblements de terre, tsunamis, éruptions volcaniques, glissements de terrain, avalanches, inondations, incendies de forêt, zones végétalisées détruites, érosion et modifications des zones littorales, etc.) Le travail de post-doctorat FAILLES se concentre sur l'un des objectifs d'Intelligent_Mapping : le développement d'algorithmes d'IA pour identifier et cartographier, dans les images de la Terre, les réseaux de failles à l’origine des tremblements de terre dévastateurs qui nous affectent. Programme de travail Le programme provisoire pour les 24 mois est défini comme suit : 1. Analyse bibliographique 2. Collecte de données, analyse des vérités terrain et établissement de références de base 3. Développements méthodologiques (le choix précis dépendra de l'état de l'art, de l'expertise et des souhaits du post-doctorant) a. Modèle Fondation, en s'appuyant sur les travaux d'OBELIX sur les modèles efficaces et les contours actifs b. Modèle de diffusion, en s'appuyant sur les travaux d'OBELIX sur l'appariement des flux 4. Évaluation expérimentale, tentatives de généralisation à divers types de failles et d'images ainsi qu'à différentes résolutions, et diffusion scientifique (publications et logiciels) Le/la futur(e) post-doctorant(e) devra : · Se familiariser avec l’état de l’art des méthodes d’apprentissage profond pour la cartographie d’objets curvilinéaires, incluant les modèles fondation et les modèles de diffusion ; · Construire et organiser un jeu de données d’entrainement sur diverses images satellites ; · Adapter/Développer les méthodes d'IA pour identifier les objets d’intérêt dans les images ; · Rédiger des articles (en anglais) décrivant les travaux et destinés aux meilleurs journaux d'informatique et de géosciences ; · Présenter le travail lors de conférences internationales ; · Rendre les algorith