Optimisation : conversation avec Julie Digne

Comment décrireriez-vous l'optimisation ? Qu'est-ce qui vous a donné envie de travailler sur l'optimisation ?

Julie Digne : Je travaille en traitement numérique de la géométrie et l'optimisation y tient une place particulièrement importante. Nous développons des méthodes d'optimisation adaptées aux données géométriques permettant d'effectuer des calculs, notamment de quantités différentielles, efficacement. Mais nous avons également développé des méthodes d'optimisation servant à recaler des modèles sur des formes par exemple pour estimer la posture d'êtres humains ou de statues scannés. Dans mon domaine, le développement et l'utilisation de techniques d'optimisation est indispensable.

Quels défis avez-vous rencontrés dans vos travaux récents ?

J.D. : Les méthodes d'apprentissage automatique qui se développent très rapidement posent des problèmes spécifiques aux données géométriques. En effet, les surfaces géométriques n'étant pas de manière générique dépliables sur un plan sans causer de distorsion, leur représentation sous forme de grille n'est pas possible, ce qui demande de développer des outils d'optimisation spécifiques. Pour pallier ce problème, une alternative est d'optimiser un réseau de neurones pour représenter les surfaces de manière implicite, mais cette optimisation pose de nombreux problèmes quant à la bonne manière de contrôler des paramètres importants comme le niveau de détail notamment.