Literatura científica selecionada sobre o tema "Compréhension de scènes"

Travaillant « au carré » des tentatives d’appréhension, évaluation, compréhension des réalités liées au terrorisme, les œuvres littéraires et artistiques qui fabriquent elles-mêmes de l’imaginaire social les redonnent à leur tour à lire et à comprendre en les diffractant. Elles livrent ainsi, à nouveaux frais, la « scène terroriste ». Sur un large spectre de possibilités allant de l’harmonie à l’aporie, de la reconduction doxique au scandale marginalisé, elles charrient dans sa mise en récit, par le simulacre et les déformations poétiques et stylistiques, somme de relations et d’interactions entre divers acteurs sociaux. Dans ce carrefour global, circulent, se croisent et se contaminent discours médiatiques, politiques ou encore philosophiques, moult représentations et valeurs.

Cet article revient sur un petit monument de marbre, inscrit, jadis découvert sur la place de Lenche, à Marseille, et aujourd’hui conservé au Musée d’Histoire de Marseille. Une étude détaillée des scènes en relief qui se déroulent sur deux registres distincts permet d’assurer la fonction votive de ce monument, datable du haut Empire, et la représentation du dieu Sucellus. Si la lecture de l’inscription est désormais assurée, son interprétation et sa compréhension demeurent difficiles et plusieurs hypothèses sont présentées.

Cette étude compare trois traductions coréennes de La Nausée (1938) de Sartre, actuellement distribuées en Corée. L'objectif est d'identifier les points de traduction insatisfaisants pour transmettre l'essence de l' oeuvre originale. Depuis sa première introduction en Corée par Yang Byungsik en 1953, La Nausée a été largement traduite, en raison de problèmes de droits d'auteur, provoquant la confusion des lecteurs. Récemment, un contrat entre Gallimard et la Maison d'édition Moonye a permis une nouvelle traduction, améliorant la situation des traductions de La Nausée. Cependant, des lacunes subsistent dans la transmission du contenu essentiel de l' oeuvre. Tout d'abord, nous envisageons de procéder à une comparaison succincte des trois éditions actuelles. Ensuite, la comparaison se penche sur la traduction des scènes clés, mettant en avant les verbes “être” et “exister” pour une meilleure compréhension. Une proposition provisoire de nouveaux termes et approches de traduction sera présentée, avec un réexamen des principales scènes de La Nausée pour justifier leur pertinence.

RÉSUMÉ Le RMI met en relation des acteurs multiples qui interprètent sur des scènes diverses des rôles antagonistes. Le fil rouge de cette dramaturgie sociale est la question du travail. En contrepartie du Revenu minimum, les allocataires doivent jouer la comédie du travail. Leur sincérité est mise à l'épreuve par des professionnels, des responsables administratifs et des élus, qui jouent eux-mêmes d'autres comédies : celle du travail social, de la politique sociale, et de la politique locale. Les contradictions entre les intérêts et les convictions des différents acteurs aboutissent à des situations absurdes dont les allocataires sont les principales victimes. L'article décrit ces scènes et caractérise ces rôles en adoptant le point de vue des allocataires. Il permet de comprendre les différentes interprétations de la comédie du travail par les allocataires et la distance qui existe entre leurs soucis et les soucis des autres acteurs. Au final, la question du travail apparaît comme une contrainte pesant sur tous les acteurs, un obstacle insurmontable empêchant la communication, l'interconnaissance et la compréhension mutuelle.

Cet article analyse les enchevêtrements entre art et engagement dans les scènes de rap africain en explorant la question (méconnue) des mobilités transnationales qui accompagnent les trajectoires de politisation des rappeurs. Il s’appuie sur l’analyse des biographies de trois rappeurs (du Gabon, du Sénégal et du Burkina Faso), qui s’affirment tous trois comme des artistes « engagés ». Il met au jour les influences et modalités d’action communes que ces rappeurs partagent, tout en démontrant qu’en fonction des contextes et des parcours individuels, ces références et influences communes conduisent à différents types d’engagements par la musique et à différentes expériences de la mobilité. Cet examen des mobilisations de rappeurs africains en mobilité contribue finalement à une compréhension plus large des rapports entre art et engagement, en éclairant la tension entre spécificités nationales et dimension « translocale » de ces mondes de l’art.

Résumé La figure de Borduas a fait l'objet d'une lecture à la fois démystificatrice et mythographique de la part des littéraires. Comparant les portraits que lui ont respectivement consacrés Jean Éthier-Blais et Jacques Ferron, l'auteure dégage trois perspectives afin de mesurer les différences à l'oeuvre dans la construction — ou la défiguration — de la persona fictive du maître de l'automatisme : d'abord, le portrait physique et moral esquissé par chacun des écrivains ; le portrait idéologique ensuite qui se dessine dans certaines scènes clés où ils lui « prêtent » la parole ; leur manière enfin de décrire les toiles du peintre, expérience qui les amène à réfléchir sur leurs propres moyens esthétiques confrontés à un autre langage, le langage pictural. À travers toutes leurs ambivalences, leur envie et leur admiration, ces constructions fictives de l'image de Borduas projettent une réfraction certes déformante, mais essentielle de notre compréhension de l'automatisme.

Le 1er août 1914, le gouvernement Poincaré décrète la mobilisation générale. Jacques Thibault, héros de L’été 1914, avant-dernier livre des Thibault de Martin du Gard, voit son pacifisme ébranlé par l’acquiescement subit de la foule parisienne à l’entrée en guerre de son pays. Convaincu qu’il suffirait d’un choc pour « réveiller la conscience des masses » endoctrinées par la propagande militariste, il décide de se sacrifier pour la cause de la paix universelle. Le 24 septembre 1938, le gouvernement Daladier décrète la mobilisation partielle. Philippe Grésigne, dont la fugue occupe plusieurs segments du Sursis, deuxième tome des Chemins de la liberté de Sartre, se résout alors au destin de martyr pacifiste : il dénoncera la guerre sur les places de Paris jusqu’à ce qu’un « grondement de refus [roule] d’un bout à l’autre de la foule, comme un tonnerre ». Malgré leur facture divergente et leur compréhension difficilement compatible de l’engagement, les deux oeuvres ont en commun leur représentation d’un adolescent en rupture de ban face à la population parisienne unifiée en foule par un même élan de panique. Jacques et Philippe prétendent saisir cette occasion unique de basculement social pour gagner la communauté internationaliste des pacifistes, mais cela ne se fait pas sans heurt. La présente étude propose d’interroger conjointement les scènes de mobilisation dans ces grands cycles romanesques de la première moitié du xxe siècle afin d’éclairer les mécanismes mis en oeuvre par les deux personnages pour défendre leur identité personnelle menacée par l’assimilation à un groupe, dont ils souhaitent l’appui mais non la contrainte.

Dans les années 1580, Sir Philip Sidney s’attelle à l’écriture de son oeuvre majeure, l’Arcadia, vaste roman pastoral dont la composition inachevée s’étale sur plusieurs années, et la publication posthume. Sa diffusion à l’étranger, et notamment en France, est rapide et l’Arcadia fait en effet l’objet dès le début du XVIe siècle de plusieurs traductions, grâce à plusieurs érudits français qui n’hésitent pas à traverser la Manche pour affiner leur compréhension de la langue anglaise. Par ailleurs, le roman pastoral est adapté à trois reprises sur les scènes françaises, entre le tout début du XVIIe siècle et 1642, par successivement Galaut, La Calprenède et Mareschal. Ainsi, se dessinent des trajectoires littéraires et des continuités dramatiques singulières, qui conduisent à interroger tout à la fois les mécanismes de l’adaptation théâtrale et les fondements historiques des transferts culturels entre la France et l’Angleterre. In the 1580s, Sir Philip Sidney set about writing his major work, Arcadia. The unfinished composition of this huge pastoral romance stretched over several years, and it was published posthumously. Its dissemination abroad, and notably in France, was rapid. Arcadia was in fact translated several times from the beginning of the seventeenth century, thanks to a handful of French scholars who readily crossed the channel to refine their understanding of the English language. Moreover, the pastoral romance was adapted three times for the French stage between the outset of the seventeenth century and 1642, by Galaut, La Calprenède and Mareschal successively. Thus literary trajectories and singular dramatic continuities emerge, which lead to the questioning of both the mechanisms of theatrical adaption and the historical foundations of cultural transfers between France and England.

Actualmente, está en proceso un ambicioso proyecto de reconstrucción y análisis de la Subestructura II C de Calakmul, Campeche, México. Su programa escultórico, con al menos dos frisos, igual número de mascarones y fachadas, resulta de especial interés, ya que podría darnos una clave para interpretar y entender el lugar. Este breve estudio se enfoca en identificar los personajes representados en estas imágenes, como un primer paso en la comprensión de las escenas y el significado que aportan al entorno construido.Abstract: An ambitious project to analyze and reconstruct virtually the Substructure II C of Calakmul, Campeche, Mexico, is currently underway. The substructure sculptural program, with at least two friezes and an equal number of masks and facades, is of particular interest since it could give us a key to interpret and understand the place. This brief study focuses on identifying the characters represented in these images as a first step in understanding the scenes and the meaning they bring to the built environment.Keywords: Maya gods; Calakmul; Maya iconography; Chaahk; Maya maize god.Résumé : Un projet ambitieux de reconstruction et d’analyse de la sous-structure II C de Calakmul, Campeche, Mexique est actuellement en cours. Son programme sculptural, avec au moins deux frises, autant de masques et de façades, présente un intérêt particulier, car il pourrait nous donner une clé pour interpréter et comprendre le lieu. Cette brève étude se concentre sur l’identification des personnages qui peuplent ces images, comme une première étape dans la compréhension des scènes et du sens qu’elles apportent à l’environnement bâti.Mots-clés : dieux mayas ; Calakmul ; iconographie maya ; Chaahk ; dieu maya du maïs.

Cette thèse traite du problème de segmentation sémantique d'une séquence d'images calibrées acquises dans un environnement urbain. Ce problème consiste, plus précisément, à partitionner chaque image en régions représentant les objets de la scène (façades, routes, etc.). Ainsi, à chaque région est associée une étiquette sémantique. Dans notre approche, l'étiquetage s'opère via des primitives visuelles de niveau intermédiaire appelés super-pixels, lesquels regroupent des pixels similaires au sens de différents critères proposés dans la littérature, qu'ils soient photométriques (s'appuyant sur les couleurs) ou géométriques (limitant la taille des super-pixels formés). Contrairement à l'état de l'art, où les travaux récents traitant le même problème s'appuient en entrée sur une sur-segmentation initiale sans la remettre en cause, notre idée est de proposer, dans un contexte multi-vues, une nouvelle approche de constructeur de superpixels s'appuyant sur une analyse tridimensionnelle de la scène et, en particulier, de ses structures planes. Pour construire de «meilleurs» superpixels, une mesure de planéité locale, qui quantifie à quel point la zone traitée de l'image correspond à une surface plane de la scène, est introduite. Cette mesure est évaluée à partir d'une rectification homographique entre deux images proches, induites par un plan candidat au support des points 3D associés à la zone traitée. Nous analysons l'apport de la mesure UQI (Universal Quality Image) et montrons qu'elle se compare favorablement aux autres métriques qui ont le potentiel de détecter des structures planes. On introduit ensuite un nouvel algorithme de construction de super-pixels, fondé sur l'algorithme SLIC (Simple Linear Iterative Clustering) dont le principe est de regrouper les plus proches voisins au sens d'une distance fusionnant similarités en couleur et en distance, et qui intègre cette mesure de planéité. Ainsi la sur-segmentation obtenue, couplée à la cohérence interimages provenant de la validation de la contrainte de planéité locale de la scène, permet d'attribuer une étiquette à chaque entité et d'obtenir ainsi une segmentation sémantique qui partitionne l'image en objets plans.

La modélisation de la configuration spatiale des objets d’une image est un sujet encore peu abordé à ce jour, y compris dans les approches les plus modernes de vision par ordinateur comme les réseaux convolutionnels (CNN). Pourtant, il s’agit d’un aspect essentiel de la perception des scènes, et l’intégrer dans les modélisations devrait bénéficier à de nombreuses tâches du domaine, en contribuant à combler le "fossé sémantique" entre l’image numérique et l’interprétation de son contenu. Ainsi, cette thèse a pour objet l’amélioration des techniques de modélisation de la configuration spatiale, afin de l’exploiter dans des systèmes de description et de reconnaissance. Dans un premier temps, nous nous sommes penchés sur le cas de la configuration spatiale entre deux objets, en proposant une amélioration d’un descripteur existant. Ce nouveau descripteur appelé "bandeau de forces" est une extension de l’histogramme du même nom à tout un panel de forces, ce qui permet de mieux décrire les configurations complexes. Nous avons pu montrer son intérêt pour la description de scènes, en apprenant à classifier automatiquement des relations en langage naturel à partir de paires d’objets segmentés. Nous avons alors abordé la problématique du passage à des scènes comportant plusieurs objets, proposant une approche par objet en confrontant chaque objet à l’ensemble des autres, plutôt qu’en ayant un descripteur par paire. Dans un second temps, le contexte CIFRE nous a amenés à traiter une application au problème de la ré-identification de scènes ou d’objets, tâche qui s’apparente à la reconnaissance fine à partir de peu d’exemples. Pour cela, nous nous basons sur une approche traditionnelle en décrivant les constituants de la scène par différents descripteurs dédiés à des caractéristiques spécifiques, comme la couleur ou la forme, auxquelles nous ajoutons la configuration spatiale. La comparaison de deux scènes se fait alors en appariant leurs constituants grâce à ces caractéristiques, en utilisant par exemple l’algorithme hongrois. Différentes associations de caractéristiques peuvent être considérées pour l’appariement et pour le calcul du score final, selon les invariances présentes et recherchées. Pour chacun de ces deux sujets, nous avons été confrontés aux problèmes des données et de la segmentation. Nous avons alors généré et annoté un jeu de données synthétiques, et exploité deux jeux de données existants en les segmentant, dans deux cadres différents. La première approche concerne la segmentation objet-fond et se place dans le cas où une détection est disponible, ce qui permet d’aider la segmentation. Elle consiste à utiliser un modèle existant de segmentation globale, puis à exploiter la détection pour sélectionner le bon segment, à l’aide de plusieurs critères géométriques et sémantiques. La seconde approche concerne la décomposition d’une scène ou d’un objet en parties et se place dans le cas non supervisé. Elle se base alors sur la couleur des pixels, en utilisant une méthode par clustering dans un espace de couleur adapté, comme le cône HSV que nous avons utilisé. Tous ces travaux ont permis de montrer la possibilité d’utiliser la configuration spatiale pour la description de scènes réelles contenant plusieurs objets, ainsi que dans une chaîne de traitements complexe comme celle utilisée pour la ré-identification. En particulier, l’histogramme de forces a pu être utilisé pour cela, ce qui permet de profiter de ses bonnes performances, en utilisant une méthode de segmentation adaptée au cas d’usage pour traiter des images naturelles
Modeling the spatial configuration of objects in an image is a subject that is still little discussed to date, including in the most modern computer vision approaches such as convolutional neural networks ,(CNN). However, it is an essential aspect of scene perception, and integrating it into the models should benefit many tasks in the field, by helping to bridge the “semantic gap” between the digital image and the interpretation of its content. Thus, this thesis aims to improve spatial configuration modeling ,techniques, in order to exploit it in description and recognition systems. ,First, we looked at the case of the spatial configuration between two objects, by proposing an improvement of an existing descriptor. This new descriptor called “force banner” is an extension of the histogram of the same name to a whole range of forces, which makes it possible to better describe complex configurations. We were able to show its interest in the description of scenes, by learning toautomatically classify relations in natural language from pairs of segmented objects. We then tackled the problem of the transition to scenes containing several objects and proposed an approach per object by confronting each object with all the others, rather than having one descriptor per pair. Secondly, the industrial context of this thesis led us to deal with an application to the problem of re-identification of scenes or objects, a task which is similar to fine recognition from few examples. To do so, we rely on a traditional approach by describing scene components with different descriptors dedicated to specific characteristics, such as color or shape, to which we add the spatial configuration. The comparison of two scenes is then achieved by matching their components thanks to these characteristics, using the Hungarian algorithm for instance. Different combinations of characteristics can be considered for the matching and for the final score, depending on the present and desired invariances. For each one of these two topics, we had to cope with the problems of data and segmentation. We then generated and annotated a synthetic dataset, and exploited two existing datasets by segmenting them, in two different frameworks. The first approach concerns object-background segmentation and more precisely the case where a detection is available, which may help the segmentation. It consists in using an existing global segmentation model and exploiting the detection to select the right segment, by using several geometric and semantic criteria. The second approach concerns the decomposition of a scene or an object into parts and addresses the unsupervised case. It is based on the color of the pixels, by using a clustering method in an adapted color space, such as the HSV cone that we used. All these works have shown the possibility of using the spatial configuration for the description of real scenes containing several objects, as well as in a complex processing chain such as the one we used for re-identification. In particular, the force histogram could be used for this, which makes it possible to take advantage of its good performance, by using a segmentation method adapted to the use case when processing natural images

La problématique scientifique abordée concerne la reconnaissance visuelle d'objets s'inscrivant dans une scène observée. Nous proposons une méthodologie qui va de la définition et la construction du modèle de l'objet, jusqu'à la définition de la stratégie pour la reconnaissance ultérieure de celui-ci. Du point de vue de la représentation, cette approche est capable de modéliser aussi bien la structure de l'objet que son apparence ; à partir de caractéristiques multiples. Celles-ci servent d'indices d'attention lors de la phase de reconnaissance. Dans ce cadre, reconnaître l'objet revient à " instancier " ce modèle dans la scène courante. La tâche de reconnaissance correspond à un processus actif de génération/vérification d'hypothèses régi par le principe de focalisation. Ce dernier agissant sur quatre niveaux du " spectre attentionnel " : la sélection des opérateurs pour le traitement bas niveau, la sélection de l'intervalle d'action de ceux-ci, la sélection de la résolution et la sélection de la région d'intérêt dans l'image. Le fait d'agir sur tous ces niveaux, entraîne une diminution de la combinatoire implicite dans une problématique de recherche visuelle. Sous un regard plutôt unifié, le mécanisme de contrôle de l'attention, du type bottom-up$top-down, reste implicite dans la stratégie globale de reconnaissance. La " focalisation progressive " et la représentation hybride du modèle, permettent de tirer profit des deux types de représentation classiques. D'une part, la structure de l'objet permet de focaliser le processus de reconnaissance à partir d'observations locales, d'autre part, une fois détectée la région probable de l'objet, la décision finale est faite à partir de l'apparence de celui-ci. Dans le cadre proposé, en intégrant des connaissances sur la structure de la scène (paramètres 3D), d'autres tâches comme celles de la localisation et du suivi sont intégrées d'une façon naturelle. La prise en compte de ces paramètres permet d'estimer l'évolution de la zone d'intérêt dans l'image, lorsque l'objet évolue dans le monde 3D. La méthodologie proposée a été testée pour la reconnaissance, la localisation et le suivi de visages et de piétons.

La problématique scientifique abordée concerne la reconnaissance visuelle d'objets s'inscrivant dans une scène observée. Nous proposons une méthodologie qui va de la définition et la construction du modèle de l'objet, jusqu'à la définition de la stratégie pour la reconnaissance ultérieure de celui-ci. Du point de vue de la représentation, cette approche est capable de modéliser aussi bien la structure de l'objet que son apparence, à partir de caractéristiques multiples. Celles-ci servent d'indices d'attention lors de la phase de reconnaissance. Dans ce cadre, reconnaître l'objet revient à "instancier" ce modèle dans la vie courante. La tâche de reconnaissance correspond à un processus actif de génération/vérification d'hypothèses régi par le principe de focalisation. Ce dernier agissant sur quatre niveaux du " spectre attentionnel" : la sélection des opérateurs pour le traitement bas niveau, la sélection de l'intervalle d'action de ceux-ci, la sélection de la résolution et la sélection de la région d'intérêt dans l'image. Le fait d'agir sur tous ces niveaux, entraîne une diminution de la combinatoire implicite dans une problématique de recherche visuelle. Sous un regard plutôt unifié, le mécanisme de contrôle de l'attention, du type bottom-up / top-down, reste implicite dans la stratégie globale de reconnaissance. La "focalisation progressive" et la représentation hybride du modèle, permettent de tirer profit des deux types de représentations classiques. D'une part, la structure de l'objet permet de focaliser le processus de reconnaisssance à partir d'observations locales, d'autre part, une fois détectée la région probable de l'objet, la décision finale est faite à partir de l'apparence de celui-ci. Dans le cadre proposé, en intégrant des connaissances sur la structure de la scène (paramètres 3D), d'autres tâches comme celles de la localisation et du suivi sont intégrées d'une façon naturelle. La prise en compte de ces paramètres permet d'estimer l'évolution d'une zone d'intérêt dans l'image, lorsque l'objet évolue dans le monde 3D. La méthodologie proposée a été testée pour la reconnaissance, la localisation et le suivi de visages et de piétons

La modélisation géométrique et la sémantisation de scènes intérieures à partir d'échantillon de points et un sujet de recherche qui prend de plus en plus d'importance. Cependant, le traitement d'un ensemble volumineux de données est rendu difficile d'une part par le nombre élevé d'objets parasitant la scène et d'autre part par divers défauts d'acquisitions comme par exemple des données manquantes ou un échantillonnage de la scène non isotrope. Cette thèse s'intéresse de près à de nouvelles méthodes permettant de modéliser géométriquement un nuage de point non structuré et d’y donner de la sémantique. Dans le chapitre 2, nous présentons deux méthodes permettant de transformer le nuage de points en un ensemble de formes. Nous proposons en premier lieu une méthode d'extraction de lignes qui détecte des segments à partir d'une coupe horizontale du nuage de point initiale. Puis nous introduisons une méthode par croissance de régions qui détecte et renforce progressivement des régularités parmi les formes planaires. Dans la première partie du chapitre 3, nous proposons une méthode basée sur de l'analyse statistique afin de séparer de la structure de la scène les objets la parasitant. Dans la seconde partie, nous présentons une méthode d'apprentissage supervisé permettant de classifier des objets en fonction d'un ensemble de formes planaires. Nous introduisons dans le chapitre 4 une méthode permettant de modéliser géométriquement le volume d'une pièce (sans meubles). Une formulation énergétique est utilisée afin de labelliser les régions d’une partition générée à partir de formes élémentaires comme étant intérieur ou extérieur de manière robuste au bruit et aux données
Geometric modeling and semantization of indoor scenes from sampled point data is an emerging research topic. Recent advances in acquisition technologies provide highly accurate laser scanners and low-cost handheld RGB-D cameras for real-time acquisition. However, the processing of large data sets is hampered by high amounts of clutter and various defects such as missing data, outliers and anisotropic sampling. This thesis investigates three novel methods for efficient geometric modeling and semantization from unstructured point data: Shape detection, classification and geometric modeling. Chapter 2 introduces two methods for abstracting the input point data with primitive shapes. First, we propose a line extraction method to detect wall segments from a horizontal cross-section of the input point cloud. Second, we introduce a region growing method that progressively detects and reinforces regularities of planar shapes. This method utilizes regularities common to man-made architecture, i.e. coplanarity, parallelism and orthogonality, to reduce complexity and improve data fitting in defect-laden data. Chapter 3 introduces a method based on statistical analysis for separating clutter from structure. We also contribute a supervised machine learning method for object classification based on sets of planar shapes. Chapter 4 introduces a method for 3D geometric modeling of indoor scenes. We first partition the space using primitive shapes detected from permanent structures. An energy formulation is then used to solve an inside/outside labeling of a space partitioning, the latter providing robustness to missing data and outliers

L'ensemble des résultats de cette thèse ont été obtenus grâce à une tâche de catégorisation dans laquelle les sujets devaient effectuer une réponse motrice rapide sur la base d'informations visuelles incomplètes, limitées par un protocole de masquage. Les résultats obtenus confirment non seulement que les traitements visuels sont extrêmement robustes et rapides (Chapitre 2), mais aussi que les informations accumulées dans le système sensoriel peuvent être interprétées en signal décisionnel pour guider la réponse du sujet de manière efficace, en fonction du type d'effecteur utilisé (manuel ou oculaire - Chapitre 3) et du niveau de représentation requis dans la tâche (détection, catégorisation, identification - Chapitre 4). Les latence courtes enregistrées sont tout à fait compatibles avec l'idée que la reconnaissance d'objet s'appuie d'abord sur un transfert rapide, feed-forward et massivement parallèle des premières informations tout au long du parcours cortical visuel
The different experiments of this thesis focused on a categorisation task in which subjects have to initiate response on the basis of incomplete visual information, limited by a masking procedure. Results of these experiments not only confirmed that visual processing is extremely robust and fast (Chapter 2), but also demonstrated that the accumulated sensory information could be interpreted into a decisional signal to efficiently guide the response, depending on the motor effector (manual or ocular – Chapter 3) or the level of representation required in the task (Detection – Categorisation – Identification – Chapter 4). The early latencies recorded in this set of experiment is compatible with the idea that object recognition is initially based on the rapid transfer of visual information through the visual system, in a feed-forward and massively parallel way

Certaines théories du fonctionnement cognitif postulent l'existence d'un système cérébral impliqué dans la compréhension sémantique indépendamment de la modalité d'entrée des stimuli. L'objectif de ce travail de thèse était d'étudier le fonctionnement d'un tel réseau, impliqué à la fois dans la compréhension de phrases et de scènes visuelles, en lien avec la théorie de la cognition incarnée. Dans la littérature, un ensemble d'aires frontotemporo- pariétales sensorimotrices et associatives sont décrites comme intervenant dans ces processus sémantiques, mais il existe un manque de consensus concernant la nature amodale de ce système et la plupart des travaux existants se sont concentrés sur l'identification de réseaux corticaux impliqués dans les représentations sémantiques, séparément pour l'une ou l'autre des modalités. De plus, les stimuli utilisés dans les protocoles expérimentaux sont généralement moins complexes que les situations interactives auxquelles nous sommes confrontés dans la vie de tous les jours. Une part importante de l'activité mentale humaine réside dans notre capacité à construire des représentations internes riches : ces modèles mentaux, impliqués dans une grande variété de processus cognitifs, nous permettent d'explorer certains souvenirs du passé, de planifier le futur ou encore de comprendre et de s'adapter à une situation en temps réel. Bien que les progrès des techniques d'Imagerie du Tenseur de Diffusion aient rendu possible la visualisation in vivo de fibres de matière blanche dans le cerveau humain, la connectivité du système sémantique amodal a très peu été étudiée jusque-là. Dans ce travail, nous avons utilisé différentes techniques (principalement de neuro-imagerie IRMf, DTI, EEG) pour mettre en évidence les bases neurophysiologiques d'un système sémantique commun impliqué dans la représentation et la compréhension de stimuli complexes verbaux et non-verbaux. Avec notre premier protocole combinant IRMf et DTI, nous nous sommes intéressés aux activations et à la connectivité cérébrales chez 19 sujets sains en train de lire des phrases ou d'observer des images représentant des événements quotidiens. Une analyse de l'activité cérébrale conjointe associée à la compréhension de ces deux types de stimuli a révélé un réseau fronto-temporo-pariétal commun, impliquant le gyrus frontal inférieur, le gyrus précentral, le cortex rétrosplénial, le gyrus temporal moyen avec une activité s'étendant jusqu'à la jonction temporo-pariétale (TPJ) et au lobe pariétal inférieur. La tractographie DTI a révélé une architecture spécifique de fibres de matière blanche, soutenant ce réseau sémantique et qui fait appel principalement aux faisceaux décrits comme la voie ventrale sémantique (IFOF, UF, ILF, MdLF). Notre seconde expérience (protocole comportemental) nous a permis d'étudier les différences interindividuelles dans la capacité à se représenter des phrases présentées visuellement ou auditivement. Nous avons démontré que les individus ne sont pas égaux quant à cette capacité de représentation et que ces différences se reflètent dans des marqueurs comportementaux tels que la facilité de représentation (évaluée par le COR, coefficient de représentabilité) et la vitesse de réponse (TR) ; mais aussi que ces différences interindividuelles trouvent une correspondance avec le nombre de fibres qui composent le MdLF, laissant supposer une implication de ce faisceau dans ces capacités de représentation. Les résultats de ce protocole comportemental, ainsi que ceux de notre troisième protocole en EEG, ont permis de mettre en évidence un effet contextuel particulièrement important pour la création d'une représentation dans les deux modalités : le contexte induit par la présentation d'un premier stimulus (phrase ou image) influence la représentation d'un second stimulus selon que celui-ci est sémantiquement cohérent ou non avec le premier stimulus présenté... [etc]
Certain theories of cognitive function postulate a neural system for processing meaning, independent of the stimulus input modality. The objective of this thesis work, in line with the embodied cognition domain, was to study functionalities of such a network involved in both sentence and visual scene comprehension. In the literature, a wide network of fronto-temporo-parietal sensorimotor and associative areas are described as being involved in this process, and while there’s a lack of consensus on the amodal nature of this system, extensive research has focused on identifying distributed cortical systems that participate in meaning representations separately in the visual and language modalities. Moreover, the stimuli used are generally less complex than everyday life situations we meet. However, a significant portion of human mental life is built upon the construction of perceptually and socially rich internal scene representations and these mental models are involved in a large variety of processes for exploring specific memories of the past, planning the future, or understanding current situations. Although diffusion-tensor imagery based techniques makes feasible the visualization of white matter tracts in the human brain, the connectivity of the semantic network has been little studied. Through different experimental protocols involving mainly neuroimaging techniques (fMRI, DTI, EEG), we were able to reveal the neurophysiological basis of this common semantic network involved in the building of representation and comprehension of rich verbal and non-verbal stimuli. With our first experiment, we examined brain activation and connectivity in 19 subjects who read sentences and viewed pictures corresponding to everyday events, in a combined fMRI and DTI study. Conjunction of activity in understanding sentences and pictures revealed a common fronto temporo-parietal network that included inferior frontal gyrus, precentral gyrus, the retrosplenial complex, and medial temporal gyrus extending into the temporo-parietal junction (TPJ) and inferior parietal lobe. DTI tractography revealed a specific architecture of white matter fibers supporting this network which involves principally the pathways described as the ventral semantic route (IFOF, UF, ILF, MdLF). Our second experiment, which is a behavioral protocol, explored interindividual differences in the ability to represent sentences presented in auditory or visual modality. We demonstrated that individuals are not equal in this capacity to represent sentences, these differences were reflected in the effects on behavioral markers including scores of ease of representation (COR) and speed of responses (TR); they are also related to the number of fibers of the MdLF which supposes a role for this fasciculus in capacities of representation. Both the results of this behavioral protocol and results from our third EEG experiment also showed that the contextual effect was significant: the context induced by the presentation of a first stimulus has the ability to influence the representation of a second stimulus when is the second is semantically consistent or not with the first presented stimulus. Our EEG results (ERPs) revealed components influenced by the available semantic information: early attentional effects which could be modality-specific and later semantic integration process common for verbal and non-verbal stimuli... [etc]

L'intérêt porté à la détection de contours pour la compréhension de texte dans une scène visuelle a été croissant au cours des dernières années comme en témoignent un grand nombre d'applications telles que les systèmes de reconnaissance de plaque d'immatriculation de voiture, les systèmes de navigation, les voitures autonomes basées sur la reconnaissance des panneaux de signalisation, etc. Dans cette recherche, nous abordons les défis de la conception de systèmes de lecture de texte de scène automatique robustes et fiables. Deux étapes majeures du système, à savoir, la localisation de texte dans une scène et sa reconnaissance, ont été étudiées et de nouveaux algorithmes ont été développés pour y remédier. Nos travaux sont basés sur l'observation qu'indiquer des régions de texte de scène primaire qui ont forte probabilité d'être des textes est un aspect important dans la localisation et la reconnaissance de cette information. Ce facteur peut influencer à la fois la précision et l'efficacité des systèmes de détection et de reconnaissance. Inspirées par les succès des recherche de proposition d'objets dans la détection et la reconnaissance objet général, deux techniques de proposition de texte de scène ont été proposées, à savoir l'approche Text-Edge-Box (TEB) et l'approche Max-Pooling Text Proposal (MPT). Dans le TEB, les fonctionnalités bottom-up proposées, qui sont extraites des cartes binaires de contours de Canny, sont utilisées pour regrouper les contours connectés et leur attribuer un score distinct. Dans la technique MPT, une nouvelle solution de groupement est proposée, qui est inspiré de l'approche Max-Pooling. À la différence des techniques de regroupement existantes, cette solution ne repose sur aucune règle heuristique spécifique liée au texte ni sur aucun seuil pour fournir des décisions de regroupement. Basé sur ces résultats, nous avons conçu un système pour comprendre le texte dans une scène visuelle en intégrant des modèles a l'état de l'art en reconnaissance de texte, où une suppression des faux positifs et une reconnaissance de mot peut être traitée simultanément. De plus, nous avons développé un système assisté de recherche de texte dans une scène en construisant une interface web en complément du système de compréhension de texte. Le système peut être consulté via le lien: dinh.ubismart.org:27790. Des expériences sur diverses bases de données publiques montrent que les techniques proposées surpassent les méthodes les plus modernes de reconnaissance de textes sous différents cadres d'évaluation. Le système complet propose surpasse également d'autres systèmes complets de reconnaissance de texte et a été soumis à une compétition de lecture automatique dans laquelle il a montré sa performance et a atteint la cinquième position dans le classement (Dec-2017): http://rrc.cvc.uab.es/?ch=2&com =evaluation&task=4
Scene texts have been attracting increasing interest in recent years as witnessed by a large number of applications such as car licence plate recognition systems, navigation systems, self-driving cars based on traffic sign, and so on. In this research, we tackle challenges of designing robust and reliable automatic scene text reading systems. Two major steps of the system as a scene text localization and a scene text recognition have been studied and novel algorithms have been developed to address them. Our works are based on the observation that providing primary scene text regions which have high probability of being texts is very important for localizing and recognizing texts in scenes. This factor can influence both accuracy and efficiency of detection and recognition systems. Inspired by successes of object proposal researches in general object detection and recognition, two state-of-the-art scene text proposal techniques have been proposed, namely Text-Edge-Box (TEB) and Max-Pooling Text Proposal (MPT). In the TEB, proposed bottom-up features, which are extracted from binary Canny edge maps, are used to group edge connected components into proposals and score them. In the MPT technique, a novel grouping solution is proposed as inspired by the max-pooling idea. Different from existing grouping techniques, it does not rely on any text specific heuristic rules and thresholds for providing grouping decisions. Based on our proposed scene text proposal techniques, we designed an end-to-end scene text reading system by integrating proposals with state-of-the-art scene text recognition models, where a false positive proposals suppression and a word recognition can be processed concurrently. Furthermore, we developed an assisted scene text searching system by building a web-page user interface on top of the proposed end-to-end system. The system can be accessed by any smart device at the link: dinh.ubismart.org:27790. Experiments on various public scene text datasets show that the proposed scene text proposal techniques outperform other state-of-the-art scene text proposals under different evaluation frameworks. The designed end-to-end systems also outperforms other scene-text-proposal based end-to-end systems and are competitive to other systems as presented in the robust reading competition community. It achieves the fifth position in the champion list (Dec-2017): http://rrc.cvc.uab.es/?ch=2&com =evaluation&task=4

Cette thèse porte sur le traitement rapide des scènes naturelles par les hommes et les singes. Elle est
composée de trois chapitres, chacun abordant un aspect particulier de la construction des
représentations visuelles précoces utilisées pour catégoriser rapidement les objets.
Nous montrons dans le premier chapitre que les informations magnocellulaires sont probablement très
impliquées dans la construction des représentations visuelles précoces. Ces représentations
rudimentaires de la scène visuelle pourraient servir à guider les traitements effectués sur les
informations parvocellulaires accessibles plus tardivement.
Dans le deuxième chapitre, nous nous intéressons à la chronométrie des traitements visuels, en
analysant les résultats de tâches conçues pour diminuer le temps de réaction des sujets ainsi que la
latence de l'activité différentielle cérébrale. Nous étudions également la dynamique fine de ces
traitements grâce à un protocole de masquage dans lequel l'information n'est accessible à l'écran que
pendant une période de temps très courte et nous montrons ainsi toute l'importance des 20-40
premières millisecondes de traitement.
Le troisième chapitre traite de la nature des représentations visuelles précoces et des tâches qu'elles
permettent de réaliser. Des expériences dans lesquelles les sujets doivent catégoriser des animaux à
différents niveaux montrent que le premier niveau auquel le système visuel accède n'est pas le niveau
de base mais le niveau superordonné. Ces résultats vont à l'encontre de l'architecture classiquement
admise sur la base de travaux utilisant des processus lexicaux et met en évidence l'importance de
facteurs comme l'expertise et la diagnosticité des indices visuels pour expliquer la vitesse d'accès aux
différents niveaux de catégorie.
Ces différents résultats permettent de caractériser les représentations précoces que le système visuel
utilise pour extraire le sens des informations qui lui parviennent et faire émerger la représentation
interne du monde telle que nous la percevons.