Apprentissage de modèle génératif de scènes 3D de grandes cultures

Afin d’optimiser les traitements dans l’agriculture, et donc de minimiser leur impact, il est
essentiel d’identifier précisément les plantes à cibler. Or, il existe une grande variété de cultures, de
stades de développements, et de conditions, certaines en lien avec le changement climatique. De
plus, les conditions de prise de vue elles-mêmes peuvent être variables selon le type de capteurs,
l’angle de prise de vue, la luminosité, etc.
Le projet de recherche dans lequel s’inscrit ce stage a pour objectif de permettre de comparer des
approches d’apprentissage automatique sur ce problème d’identification de plantes à partir
d’images prises par un capteur donné pouvant « naviguer » dans un champ.
La démarche proposée est d’apprendre à générer des scènes virtuelles de grandes cultures et
de champs et à en extraire des images qui soient indistinguables d’images de plantes et de champs
réels.