Ce recrutement s’inscrit dans le cadre du projet PostGenAI piloté par Sorbonne Université.
Le projet est soutenu par l'Agence Nationale de la Recherche (ANR), dans le cadre du plan d'investissement gouvernemental France 2030.
Vos missionsAssurer une étude scientifique rigoureuse, visant à comparer les performances des modèles VLM sur la détection d’anomalies visuelles complexes.
Prendre en charge l’étude complète, dimensionner les critères d’évaluations ainsi que les configurations de déploiement des modèles, mener les expérimentations associées.
Contribuer à l’écriture d’articles scientifiques reprenant les résultats de l’étude et proposant des recommandations quant à la transposition et au déploiement des modèles VLM dans l’industrie.
L’industrie doit se doter d’outils d’inspection de confiance rapidement déployables en production.
Les solutions d’IA supervisées les plus performantes reposent sur une activité préalable longue et coûteuses d’étiquetage d’images par des experts-process (plusieurs centaines d’étiquetages d’images).
Les anomalies visuelles complexes sont : (1) des défauts logiques où les modèles doivent détecter et contrôler la logique de positionnement relatif entre différents objets ou entités de la scène.
Il s’agit par exemple : du contrôle de l’absence/présence de pièces ou composants, de la détection d’erreurs de câblages etc.
(2), ils sont aussi des défauts de texture, comme des opacités, des fissures, des arrachements, etc.
L’activité principale du poste sera d’étudier puis de comparer les performances des modèles VLM sur la détection de ces anomalies.
Les critères de couts seront pris en comptes (liés à l’inférence, à l’étiquetage, aux formulations des prompts et à la consommation électrique, etc).
Les différents types de modèles (format ouvert, propriétaire etc.
) seront à considérer pour l’étude.
Sur la base des.