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
Dans les décisions médicales assistées par IA, une probabilité élevée ne suffit pas toujours à inspirer confiance. Des chercheurs du MIT proposent de combiner classification conforme et augmentation au moment du test afin de fournir des listes de diagnostics plus courtes, tout en préservant une garantie statistique sur leur fiabilité.
Les 23 et 24 avril 2025, Machines Can See réunit à Dubaï les acteurs de la vision par ordinateur. Organisé au Museum of the Future dans le cadre de la Dubai AI Week, le sommet veut rapprocher chercheurs, entreprises, investisseurs et décideurs autour d’usages concrets de l’IA.
Dans les usines, l’analyse vidéo par réseaux neuronaux peut repérer une anomalie visible, suivre une opération et alerter plus vite les équipes. Cette vision par ordinateur promet des contrôles plus continus et une meilleure anticipation des arrêts, à condition de l’intégrer à des données fiables et à des règles claires.
Des chercheurs de l’Université de New York ont entraîné une IA, baptisée Plato, à partir de vidéos du quotidien de Sam, un enfant de deux ans. Jeux, repas et lectures servent à relier les mots, les objets et les actions. L’expérience interroge autant les mécanismes du langage humain que les méthodes d’apprentissage des machines.
Un jeu de données consacré à la manipulation de textiles doit aider les robots à mieux reconnaître et traiter des tissus variés. Images, vidéos, simulations et annotations détaillées visent des tâches comme le pliage, le tri ou le rangement. Mais la souplesse imprévisible des vêtements reste un défi majeur pour l’automatisation.
Compter les saumons au moment de leur migration est indispensable pour protéger les populations et encadrer les pêches. Dans le Pacifique Nord-Ouest, des chercheurs du MIT explorent une Fishbox autonome, capable d’analyser des images sur place grâce à la vision par ordinateur, y compris sans connexion internet.
Microsoft AI, l’organisation dirigée par Mustafa Suleyman, accueille trois anciens chercheurs de Google DeepMind : Marco Tagliasacchi, Zalán Borsos et Matthias Minderer. Leurs expertises en audio et en vision doivent contribuer à bâtir le nouveau pôle suisse du groupe, dans une compétition mondiale pour les talents de l’IA.
La faible luminosité reste un obstacle majeur pour les robots qui doivent se repérer par caméra. Des chercheurs de l’Université de Cordoue proposent une méthode fondée sur trois réseaux de neurones pour détecter, localiser puis décoder des marqueurs fiduciaux, y compris lorsque l’éclairage se dégrade.
Adapter une même image à un smartphone, une tablette et un ordinateur impose souvent des compromis visuels. Des chercheurs de l’Université de Sharjah explorent une approche par apprentissage profond pour aider à choisir automatiquement la technique de retargeting la plus adaptée, avec un score F1 atteignant 90 % dans leurs expériences.
Voir, comprendre et reconstruire une main est un défi majeur pour l’intelligence artificielle. Développé à l’Université Carnegie Mellon, Hamba propose de générer un modèle 3D depuis une seule image sans connaître les réglages de la caméra. Une avancée qui intéresse autant la robotique que la réalité augmentée et l’animation.
Présentée au CES 2025 par la start-up française Novo Senso, NovoStable analyse en continu les images d’une caméra placée dans le box d’un cheval. L’objectif est d’alerter rapidement en cas de comportement inhabituel, notamment face au risque de colique ou à l’approche d’un poulinage.
Avec HOT3D, Meta Reality Labs met à disposition des chercheurs plus de 833 minutes de séquences 3D centrées sur l’utilisateur. Captées avec les lunettes Project Aria et le casque Quest 3, elles documentent les gestes de 19 personnes manipulant 33 objets, une ressource précieuse pour la robotique et la réalité augmentée.
Des chercheurs de l’université Johns Hopkins ont présenté GenEx, un système capable d’étendre une image fixe en un environnement virtuel explorable. L’outil ne révèle pas ce qui se cache réellement hors champ : il formule des hypothèses visuelles cohérentes, utiles pour la planification, la robotique ou les expériences immersives.
Des chercheurs du MIT et de l’Université technique de Munich proposent ContextSSL, une méthode d’auto-supervision conçue pour adapter un modèle à différents contextes sans le réentraîner à chaque fois. Testée en vision par ordinateur et sur des données médicales, elle illustre une piste pour rendre l’IA plus souple et moins dépendante des annotations humaines.
Les pièges photographiques produisent d’immenses volumes d’images utiles à l’écologie, mais la vision par ordinateur n’en tire pas encore tout le potentiel. Biais dans les données, clichés vides et difficulté à reconnaître des comportements précis freinent l’usage de ces outils pour comprendre et protéger la biodiversité.
Face à une consigne imprécise, un robot ne doit pas seulement trouver une action : il doit savoir ce qu’il ne peut pas faire. Au MIT, la méthode PRoC3S associe modèle de langage, vision et simulation pour vérifier un plan avant son exécution. Une piste prometteuse, encore testée dans des cadres contrôlés.
Des chercheurs de l’Université Stanford ont conçu un modèle d’IA qui reconstruit les gestes de pianistes d’élite en trois dimensions. Présenté à SIGGRAPH Asia 2024, ce travail pourrait aider à mieux comprendre les contraintes du jeu, à prévenir certaines blessures et, à terme, à imaginer des claviers plus adaptés aux différentes morphologies.
Des chercheurs de l’Université du Texas à Austin ont entraîné une IA générative à créer des images de rues à partir de courts extraits sonores. Testé sur des paysages urbains et ruraux, le système associe notamment circulation, végétation et ambiance lumineuse à des représentations visuelles plausibles, sans pour autant reconstituer un lieu exact.
Des chercheurs de l’Université de Columbia ont présenté 3D-ViTac, un système qui réunit vision et toucher dans les mains robotiques. Testé sur des gestes aussi variés que le service d’un sandwich ou la disposition de raisins, il vise à rendre les machines plus précises face aux objets réels et fragiles.
Des chercheurs de l’Université de Wuhan ont conçu un memristor à commutation analogique fondé sur des matériaux bidimensionnels. Le composant atteint un rapport on/off de 10⁸ et a été évalué, en simulation, dans une tâche de reconnaissance d’images. Une piste prometteuse pour des puces d’IA moins énergivores.
Des chercheurs ont exploré un mécanisme du néocortex appelé « winner-take-all », dans lequel les neurones les plus actifs prennent le dessus sur les autres. Transposé à l’intelligence artificielle et testé avec une puce neuromorphique d’IBM, ce principe pourrait améliorer la sélection des signaux utiles, notamment en vision par ordinateur.
Faire dialoguer la prédiction du prochain mot et la génération vidéo pourrait donner aux robots une compréhension plus fine de leur environnement. Cette approche multimodale promet d’aligner langage, images et mouvement, mais elle pose aussi des défis concrets de fiabilité, de calcul et de respect de la vie privée.
L’analyse vidéo par intelligence artificielle promet de repérer personnes, objets et actions dans des flux en temps réel. Derrière cette ambition, les performances dépendent fortement des images, du contexte et des tests réalisés. Voici comment ces outils fonctionnent, ce qu’ils peuvent réellement apporter et les précautions indispensables.
Un robot utile ne doit pas seulement reconnaître des objets, il doit relier ce qu’il voit à ce qui est dit et à ce qui va se produire. La recherche explore pour cela l’alliance entre prédiction linguistique et modèles génératifs de vidéo, une voie prometteuse mais exigeante pour la robotique d’assistance.
