Thèse Snn Fondé sur l'Attention Multirésolution pour une Cognition Spatiale Multimodale Efficace H/F - Doctorat.Gouv.Fr

Établissement : CY Cergy Paris Université École doctorale : ED EM2PSI - Économie, Management, Mathématiques, Physique et Sciences Informatiques Laboratoire de recherche : ETIS - Equipes Traitement de l'Information et Systèmes Direction de la thèse : Nicolas CUPERLIER ORCID 0000000176103143 Début de la thèse : 2026-11-02 Date limite de candidature : 2026-07-11T23:59:59 Ce projet de recherche vise à développer un système de vision artificielle bio-inspiré et éco-efficient (IA frugale) dédié à la cognition spatiale, dont l'objectif central est la reconnaissance visuelle de lieux (VPR). En combinant des caméras événementielles asynchrones à un mécanisme d'attention biologique dual (ascendant et descendant), le système implémente un échantillonnage visuel multi-résolution basé sur la pertinence de l'environnement. Concrètement, un cadre de codage prédictif couplé à un modèle de cellules de lieu (place cells) permet à l'agent d'anticiper les entrées visuelles selon sa position estimée. Le traitement haute résolution est alors dynamiquement focalisé sur les zones clés qui confirment ou mettent à jour son hypothèse de localisation, tandis que le reste de la scène est analysé en basse résolution, ce qui réduit drastiquement le nombre d'impulsions (spikes) traitées par le réseau et optimise la consommation énergétique
A PhD position is available to work at ETIS (Cergy), in collaboration with the CerCo (Toulouse) and I3S (Sophia Antipolis) laboratories. This interdisciplinary project is supervised by Nicolas Cuperlier (Associate Professor at CYU), Terence Sim (Associate professor at NUS), Benoit Cottereau (CNRS Research Director) and Jean Martinet (Professor at Université Côte d'Azur). The research aims to develop a bio-inspired artificial vision system dedicated to spatial cognition, designed to extract environmental features with high efficiency and minimal energy consumption aligning with the principle of Frugal Ai. By drawing inspiration from biological attention mechanisms (both exogenous and endogenous), the system will implement a multi-resolution sampling scheme for visual data captured by asynchronous (event-based) cameras. This approach will optimize performance across various computer vision tasks such as Object detection (Kong et al., 2025a), Semantic segmentation (Hareb & Martinet, 2024; Kong et al., 2025b) or depth estimation (Rançon et al., 2023) but the core focus of the project will be Visual Place recognition (VPR) (Keime et al., 2026).
The system will prioritize the extraction of the most salient spatial landmarks through an attentional mechanism incorporating both bottom-up and top-down processes. Specifically, the top-down modulation will be guided by an assessment of landmark relevance underpinned by a predictive coding framework and a simulated place cell model (Colomer et al, 2022). By predicting the expected visual input based on the agent's internal code of space, the system will dynamically focus high-resolution processing on regions that confirm or update the current localization hypothesis. The most relevant regions of the scene will be processed at high resolution, while less important areas will be analyzed at lower resolution, thereby reducing the number of spikes processed by the network.

Le ou la candidat(e) idéal(e) doit posséder une solide formation en informatique, robotique, traitement du signal ou en neurosciences computationnelles (titulaire d'un Master 2 ou d'un diplôme d'ingénieur). Le projet étant fortement interdisciplinaire, une curiosité pour les modèles bio-inspirés est essentielle.

Compétences techniques requises :
Vision par ordinateur et Deep Learning : Maîtrise des concepts fondamentaux (détection d'objets, segmentation sémantique). Une expérience avec la vision événementielle (event-based vision) ou les réseaux de neurones impulsionnels (SNN) est un atout majeur.
Programmation : maîtrise de python et compétence en pythorch et/ou spikingjelly
Modélisation scientifique : Des bases solides en mathématiques appliquées, statistiques ou en modélisation de mécanismes cognitifs (codage prédictif, modèles de navigation).

Qualités professionnelles et humaines :
Esprit d'équipe et autonomie : Capacité à travailler de manière autonome tout en collaborant efficacement au sein d'un projet multi-laboratoires (ETIS, CerCo, I3S) et international (NUS).
Langues : Un excellent niveau d'anglais (lu, écrit, parlé) est indispensable pour la rédaction scientifique et les échanges avec les partenaires internationaux.
Aisance rédactionnelle : Capacité à synthétiser des travaux scientifiques et à publier dans des conférences ou journaux internationaux de premier plan.