Sujet
Tous les articles d’Actu.ai consacrés à Vision par ordinateur : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 52 articles
Reconnaître un chien, une voiture ou un tigre est déjà à la portée de nombreux modèles d’IA. Retrouver un animal précis au milieu de ses congénères reste bien plus difficile. Des chercheurs du MIT proposent une méthode fondée sur le contexte vidéo, qui améliore nettement la localisation d’objets personnalisés.
Retrouver son chien, son sac ou un animal précis dans une image reste difficile pour les IA, même lorsqu’elles reconnaissent très bien les catégories générales. Des chercheurs du MIT et du MIT-IBM Watson AI Lab proposent une méthode d’entraînement fondée sur des séquences vidéo et des noms fictifs. Elle améliore de 21 % la précision de localisation d’objets personnalisés.
Des chercheurs de l’Université métropolitaine d’Osaka présentent SORA-DET, un détecteur d’objets pensé pour les drones aux ressources limitées. L’architecture affiche 88,1 % de paramètres en moins et des résultats compétitifs sur deux jeux de référence.
Filmer à main levée suffit souvent à introduire un flou qui compromet la création d’un modèle 3D. MoBluRF, un cadre conçu par des chercheurs de l’Université Chung-Ang et du KAIST, sépare les mouvements de la caméra de ceux des objets afin de reconstruire des scènes 4D plus nettes à partir d’une seule vidéo.
La FDJ automatise des tâches longtemps réalisées à la main, de la réponse aux courriels fournisseurs au contrôle de sa signalétique. Son département automation, lancé en 2021, revendique jusqu’à 8 500 heures de travail économisées sur 70 processus, avec un dispositif conçu pour maintenir l’intervention humaine lorsque nécessaire.
Des chercheurs de l’université de Fudan ont conçu un neurone artificiel qui associe une mémoire DRAM à des circuits en MoS₂. Testé dans un réseau de 3 x 3 unités face à des variations lumineuses, ce composant cherche à reproduire une propriété essentielle du cerveau : sa faculté d’adaptation.
Des chercheurs de l’Université de l’Illinois à Urbana-Champaign, avec Columbia University et UT Austin, proposent d’enseigner le maniement d’outils aux robots à partir de vidéos humaines. Leur système Tool-as-Interface reconstruit la scène en 3D et isole le rôle de l’outil pour guider la machine.
Des robots capables de partager leur position, de s’attribuer des missions et de se relayer en cas d’incident ouvrent une nouvelle étape de l’automatisation. Fondé sur ROS 2, ce cadre de coordination combine navigation autonome, vision par ordinateur et comportements adaptatifs pour des lieux aussi variés qu’un entrepôt, un restaurant ou un laboratoire.
Voir une personne dans une image est devenu courant pour l’IA. Reconstituer avec précision la position de son corps dans l’espace à partir de plusieurs caméras reste, en revanche, un défi majeur. Le modèle MV-SSM illustre les progrès possibles, tout en rappelant le rôle crucial de la calibration.
Une équipe de Harvard propose une voie plus robuste pour reconstruire une scène 3D à partir d’un grand nombre de clichés. Son algorithme combine prédiction de profondeur et optimisation convexe afin d’éviter les hypothèses initiales qui compliquent souvent ce travail. Le Colisée de Rome a servi de démonstrateur à grande échelle.
Des chercheurs associés à l’Université du Michigan ont conçu OAK, un système capable de revoir la façon dont il classe une image selon la tâche demandée. En combinant indices linguistiques et analyse visuelle, cette approche entend reconnaître des concepts connus, mais aussi faire émerger des catégories inédites.
Des chercheurs du MIT CSAIL ont conçu Neural Jacobian Fields, ou NJF, un système qui apprend à un robot comment son corps réagit à ses commandes en l’observant. Cette approche pourrait simplifier le contrôle de robots souples, rigides ou aux formes inhabituelles, sans multiplier les capteurs embarqués.
Des chercheurs du MIT explorent une autre voie pour créer et modifier des images par IA : les résumer en seulement 32 tokens numériques. Cette représentation très compacte pourrait alléger certaines tâches de génération, de retouche et de remplissage d’images, sans faire disparaître les défis de qualité et de contrôle.
Des chercheurs du MIT ont conçu un système capable de piloter des robots souples bio-inspirés à partir d’une seule caméra. Son modèle d’apprentissage profond reconstruit en 3D la forme et les mouvements possibles de la machine, afin de produire des commandes précises sans multiplier les capteurs embarqués.
Pour la première fois en 2025, Wimbledon a supprimé ses juges de ligne au profit de l’Electronic Line Calling. Les contestations d’Emma Raducanu, de Jack Draper et l’incident du match Kartal-Pavlyuchenkova rappellent qu’un arbitrage automatisé ne fait pas disparaître les erreurs, ni le besoin de contrôle humain.
Des enfants de 3 à 5 ans ont fait mieux que des modèles d’IA de pointe pour identifier des objets vus très brièvement. Publiée dans Science Advances, cette étude rappelle que la vision humaine précoce reste remarquablement robuste, et pourrait inspirer des systèmes d’intelligence artificielle plus efficaces.
Une équipe de recherche présente RisingAttacK, une méthode capable d’influencer l’interprétation d’une image par une IA avec des changements très discrets. Testée sur quatre modèles de vision répandus, elle illustre les fragilités des systèmes automatisés et l’urgence de concevoir des défenses adaptées.
Une analyse de plus de 40 000 publications et brevets met en évidence l’imbrication croissante entre vision par ordinateur et surveillance. L’étude interroge le langage technique, l’exploitation économique des données et les garde-fous nécessaires pour préserver les libertés.
L’intelligence artificielle ne remplace pas l’automatisation industrielle, elle lui apporte des capacités d’analyse et d’adaptation nouvelles. Vision par ordinateur, contrôle qualité, emballage robotisé et traitement des données en temps réel permettent d’améliorer la précision des opérations, à condition de soigner les données, la sécurité et l’intégration aux équipements existants.
Images d’archives, vidéos publiées chaque jour, fichiers audio : les entreprises croulent sous des contenus difficiles à exploiter. La plateforme Coactive illustre comment l’IA peut les indexer et les retrouver plus vite, tout en laissant aux équipes humaines la responsabilité des décisions sensibles.
À partir d’images de Google Street View, une équipe de l’Université de Toronto entraîne une IA à estimer l’âge et la surface de bâtiments. L’objectif n’est pas de percer les murs, mais de mieux cartographier le parc immobilier, les matériaux mobilisés et le carbone incorporé afin d’éclairer les choix urbains.
Des chercheurs du MIT, de l’Université Goethe et d’IBM ont mis au point une méthode d’apprentissage qui relie automatiquement l’audio à l’image dans une vidéo. Baptisé CAV-MAE Sync, le modèle n’a pas besoin d’annotations humaines et vise une recherche multimédia plus précise, avec des perspectives pour les robots et les systèmes d’IA multimodaux.
Les modèles capables d’analyser une image et une consigne écrite restent déstabilisés par des formulations aussi courantes que « sans » ou « n’est pas ». Une étude menée au MIT montre que cette faiblesse peut compromettre leur usage dans des domaines sensibles, mais qu’un entraînement mieux ciblé permet déjà de la réduire.
Des ingénieurs du MIT ont mis au point un robot capable d’anticiper la trajectoire d’une balle de ping-pong et de la renvoyer avec une grande précision. Fixé à une table, son bras robotisé atteint jusqu’à 20 mètres par seconde et réussit près de 88 % de ses retours lors des essais.
