Bonjour, je suis Diego Revilla.

Développement d'un modèle de diffusion qui estime le plan complet d'une maison à partir d'un ensemble partiel de pièces disjointes, avec une précision de reconstruction du plan de 89 % lorsque 50 % des pièces sont observées.

• Conception d'un pipeline d'entraînement à double jeton pour la reconnaissance de lieux en intérieur, qui surpasse de 12 % le Recall@3 d'architectures modernes comme AnyLoc et DINOv3 gelé, sur notre jeu de données interne.
• Entraînement d'une politique DQN de requêtes actives vers l'utilisateur, qui exploite l'incertitude du modèle pour choisir la question, gagnant 3 % de précision par rapport à une politique gloutonne, tout en limitant les questions à moins de 3.
• Construction d'un jeu de données de 72 Go comprenant 10 000 plans de logements représentés sous forme de graphes hétérogènes, avec la sémantique de connectivité des pièces et par paires, la classification, les maillages et les cubemaps panoramiques par pièce.

Conception et implémentation d'une architecture de raisonnement à états pour résoudre itérativement des tâches de VQA spatialement compositionnelles, en appliquant un raisonnement récursif latent dans des modèles vision-langage, sans chaîne de pensée textuelle (CoT).

• Introduction du décalage d'attention conditionné, qui fait porter l'attention du modèle sur différentes régions de l'entrée à chaque étape de raisonnement, atteignant 80 % de F1 sur VSR et GQA-rel (+6 % par rapport à une seule passe).
• Entraînement d'un modèle spécialisé de 400 M de paramètres qui surpasse les modèles de fondation InternVL2-8B et Qwen2.5-VL-7B sur les mêmes jeux de données, pour les tâches de position relative et spatiales.
• Parallélisation de l'entraînement des VLM sur 4 GPU H100 avec DDP, réduisant le temps d'entraînement de 70 %.

Conception d'un codec de compression neuronale progressive pour le Gaussian Splatting, permettant le rendu neuronal sur des infrastructures client-serveur à bande passante limitée, avec des premiers rendus en moins de 3 secondes.

• Réduction de la taille totale du fichier par la modélisation du contexte spatial 3D, exploitant la géométrie locale et les similarités de caractéristiques pour réduire l'entropie d'incertitude, avec un gain de compression de 21 % par rapport à HAC.
• Équivalence aux méthodes actuelles pour les métriques perceptuelles, structurelles et de qualité (>27 dB PSNR, >0,87 SSIM, <0,21 LPIPS) malgré une taille réduite, sur les jeux de données BungeeNeRF et MipNeRF 360.
• Mise en œuvre d'une stratégie d'apprentissage par curriculum tolérante au bruit, qui renforce la robustesse des reconstructions partielles de scènes et récupère +2 dB de PSNR par rapport à un entraînement sans curriculum.