arrow drop search cross

Deux bourses ERC pour le centre de recherche Inria Sophia Antipolis - Méditerranée

George Drettakis (équipe GraphDeco) et Xavier Pennec (équipe Epione) sont tous deux lauréats d'une bourse européenne ERC (European Research Council) dans la catégorie Advanced.


Publication : 13/04/2018
Partager cet article :

Dans le cadre du pilier "Excellence Scientifique" du programme Horizon 2020 de l'UE pour la recherche et l'innovation, les bourses ERC Advanced Grant  sont allouées à des chercheurs seniors, reconnus comme leaders dans leur domaine et dont le projet de recherche permet de faire reculer notablement les frontières actuelles de la science.

George Drettakis, directeur de recherche Inria au centre de Sophia Antipolis - Méditerranée, responsable de l'équipe-projet GraphDeco, vient de recevoir la bourse européenne ERC (European Research Council ) dans la catégorie Advancedpour le projet FUNGRAPH "A New Foundation for Computer Graphics with Inherent Uncertainty".

Le but du projet FUNGRAPH ("FUN" pour fundamental ) est de revisiter d’une manière fondamentale les algorithmes de rendu pour pouvoir traiter d'une manière unifiée ces données incertaines en même temps que les données créées par des méthodes traditionnelles. Ceci nécessitera le développement de nouveaux outils théoriques et algorithmiques pour traiter l’incertitude d’une manière bien fondée. C'est un domaine en plein essor, avec des nouvelles applications qui apparaissent constamment.
Ma recherche se concentre sur la partie "rendu" (Rendering en anglais) en images de synthèse qui consiste - dans le cas le plus simple – à prendre en entrée un modèle 3D, la description des matériaux des objets et des lumières d'une scène et en sortie générer une image, le plus souvent réaliste.

Pour en savoir plus.

Xavier Pennec, directeur de recherche Inria au centre de Sophia Antipolis - Méditerranée dans l'équipe Epione, vient de recevoir la bourse européenne ERC (European Research Council ) dans la catégorie Advanced pour le projet G-Statistics "Foundations of Geometric Statistics and Their Application in the Life Sciences".


G-Statistics vise à explorer les conséquences de la non-linéarité des espaces de données sur l'estimation statistique grâce à leur géométrie. On sait déjà faire des estimations de localisation (moyenne, médiane), de concentration (matrice de covariance)  et des test statistiques simples dans des variétés Riemanniennes.  Des résultats sont aussi connus pour certaines classes d'espaces moins lisses, les espaces de longueur à courbure négative. L'un des objectifs des statistiques géométriques est d'unifier ces méthodes et de les étendre à d'autres structures géométriques au-delà du Riemannien qui présentent des singularités et des changements de dimension, notamment les espaces à connexion affine, les espaces quotients ou stratifiés. Ces structures géométriques apparaissent dans des applications pratiques en sciences de la vie comme par exemple avec les difféomorphismes (transformations inversibles de l'espace) agissant sur les images utilisées en recalage d'images médicales, les arbres phylogéniques ou les espaces de formes.

Pour en savoir plus.