Stage Distillation de Connaissance Cross-Architecture pour Systèmes Embarqués-Saclay H/F - CEA

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

- La conscience des responsabilités
- La coopération
- La curiosité

En tant que stagiaire au CEA, vous aurez l'opportunité de travailler au sein d'un environnement de recherche de renommée mondiale. Nos équipes sont composées d'experts passionnés et dédiés, offrant un cadre propice à l'apprentissage et à la collaboration. Vous aurez accès à des équipements de pointe et à des ressources de recherche de premier ordre pour mener à bien vos missions. Éventuellement, les travaux menés donneront lieu à une publication scientifique.

Description du poste :

Les architectures modernes fondées sur les Transformers, telles que les ViT atteignent d'excellentes performances, mais restent coûteuses à déployer sur des plateformes embarquées aux ressources limitées. Les architectures convolutives, telles que ResNet ou MobileNet, sont davantage adaptées à ces contraintes, mais leur réduction en taille peut entraîner une dégradation de leurs performances.

La distillation de connaissances (Knowledge Distillation)est une méthode qui permet de transférer une partie du savoir d'un réseau complexe (teacher) à un modèle plus compact (student) en exploitant notamment les logits de sortie des réseaux, leurs feature maps intermédiaires ou d'autres données.

Qu'attendons-nous de vous?

L'objectif de ce stage est d'étudier et d'implémenter une ou plusieurs méthodes de distillation cross-architecture qui transfèrent les connaissances d'un modèle de type ViT ou Swin vers un réseau plus compact type ResNet ou MobileNet. Les représentations internes étant différentes, une importante réflexion sera à mener sur les projeteurs et adaptateurs permettant leur alignement. Le travail du candidat portera spécifiquement sur l'étude de l'état de l'art sur le sujet, la conception de stratégies d'alignement et des fonctions de coût à utiliser, l'implémentation de ces éléments dans le module de distillation d'Aidge (framework de deep learning développé au LIAE), leurs évaluations et leurs validations sur cible.

Quelques références:

- Cross-Architecture KD: https://openaccess.thecvf.com/content/ACCV2022/html/Liu_Cross-Architecture_Knowledge_Distillation_ACCV_2022_paper.html)

- ScaleKD : https://proceedings.neurips.cc/paper_files/paper/2024/hash/73bda9a20f6f9f6074ce822e76f126bb-Abstract-Conference.html

-RSD: https://openaccess.thecvf.com/content/ICCV2025/html/Zhang_Cross-Architecture_Distillation_Made_Simple_with_Redundancy_Suppression_ICCV_2025_paper.html

- Framework Aidge: https://eclipse.dev/aidge/

#Cea List

Profil

Master 2 ou équivalent, compétences en C++ et Python (obligatoire), connaissances en deep learning (oboigatoire), connaissance sen développement sur système embarqué (souhaité)