Cours "Modèles stochastiques pour l'analyse d'images", avec Julie Delon et Bruno Galerne , 

 au Master MVA (Mathématiques, Vision, Apprentissage) de l'ENS Paris-Saclay

 

Contenu (cf aussi le site dédié) :

1. Modèles bayésiens pour la restauration d’image (JD)  
2. Echantillonnage bayésien pour la restauration d’image (JD)  
3. Modèles gaussiens par morceaux et musique (AD)  
4. Modèles gaussiens pour les champs aléatoires et micro-textures (AD)  
5. Modèles gaussiens et GMM pour les représentations par patchs (AD)  
6. Transport optimal entre GMM et applications (JD)   
7. Entropie et modèles exponentiels (BG)    
8. Entropie et modèles exponentiels 2 (BG)   
9. Réseaux, GANs, et modèles implicites (BG)