iTWIST 2020

iTWIST 2020 a eu lieu en mode webinar depuis Centrale Nantes du 30 novembre au 4 décembre 2020. Les replays sont disponibles sur cette page.


iTWIST: international Traveling Workshop on Interactions between low-complexity data models and Sensing Techniques

La montée en puissance des capacités de calcul machine, ainsi que les récentes avancées théoriques et numériques dans les domaines du traitement du signal, de l'analyse harmonique, de la résolution de problèmes inverses, des statistiques en grande dimension et de l'optimisation convexe, ont accéléré les interactions entre les modèles de données de faible complexité (modèles parcimonieux ou de rang faible) et des nouvelles techniques d'acquisition des données.

En bref, les modèles de données de faible complexité visent à capturer, modéliser et exploiter "uniquement l'information dont on a besoin" à partir du déloge de données omniprésent qui caractérise toute réalisation scientifique ou technologique. Les objets de grande dimension peuvent alors être reconstruits en utilisant peu d'information. Toutefois, des développements supplémentaires et des nouvelles idées sont encore nécessaires pour relever de nouveaux défis, notamment pour traiter efficacement les structures de données complexes des applications de la vie réelle et pour interconnecter ces modèles avec d'autres champs disciplinaires théoriques et appliqués.

L'atelier iTWIST vise à encourager la collaboration entre des équipes scientifiques internationales pour développer de nouvelles théories, applications et généralisations de ces modèles de faibles complexité.

Cette édition d'iTWIST s'est déroulée sous forme de conférences sur trois jours, précédées d'une école thématique de deux jours. Toutes les vidéos sont disponibles ci-dessous.

Ecole Thématique

 

Diana Mateus

Deep learning medical image analysis-1

Diana Mateus

Deep learning medical image analysis-2

Gabriel Peyré

Optimal transport-1

Gabriel Peyré

Optimal transport-2

Gabriel Peyré

Optimal transport-3

Jordan Ninin

Global optimization branchandbound-1

Jordan Ninin

Global optimization branchandbound-2

Jérémy Cohen

NonNegative low rank approximations-1

Jérémy Cohen

NonNegative low rank approximations-2

Keynotes

 

David Wipf

Modeling Low Dimensional Structure with Variational Autoencoders

Mark Plumbley

Rebecca Willett

A function space view of overparameterized neural networks

Irene Waldspurger

Rank optimality for the Burer Monteiro factorization

Christopher Rozell

Leveraging low dimensional models for human in the loop machine learning tasks

Vincent Duval

The BLASSO continuous dictionaries for sparser reconstructions

Karin Schnass

The landscape of dictionary learning

  

Présentations

Sparsity

Laurence Denneulin

Primal dual splitting scheme with backtracking for handling with epigraphic constraint and sparse analysis regularization

Sebastien Bourguignon

SLS Single l1 Selection a new greedy algorithm with an l1 norm selection rule

Diego Delle Donne

MIP and Set Covering approaches for Sparse Approximation

Mehdi Chahine

A partially collapsed sampler for unsupervised nonnegative spike train restoration

Clément Dorffer

Learning sparse structures
for physics inspired compressed sensing

Charles Soussen

Exact recovery analysis of non negative
orthogonal greedy algorithms

Dominique Pastor

A mathematical approach to resilience

Sensing Theory and Methods

Antoine Chatalic

Learning to Sketch for Compressive Clustering

Farouk Yahaya

Gaussian Compression Stream Principle and Preliminary Results

Alban Gossard

Off the grid data driven optimization of sampling schemes in MRI

Vincent Schellekens

When compressive learning fails blame the decoder or the sketch

Laurent Jacques

Keep the phase Signal recovery in phase only compressive sensing

Thomas Feuillen

One Bit to Rule Them All Binarizing the Reconstruction  in 1 bit Compressive Sensing

Martin Genzel

Compressed Sensing with 1D Total Variation Breaking Sample Complexity Barriers via Non Uniform Recovery

Alexander Stollenwerk

Quantized Compressed Sensing by Rectified Linear Units

Learning Methods

Paul Irofti

Unsupervised dictionary learning for anomaly detection

Mickael Tardy

Lightweight U-Net for high resolution breast imaging

Nicolas Vercheval

On variational auto encoders for fixed graph mesh learning

Amelia Jimenez Sanchez

Curriculum learning to deal with noisy labels

Non-negative Matrix Factorization

Afef Cherni

Unmixing 2D HSQC NMR mixtures with NMF and sparsity

Christophe Kervazo

Successive Nonnegative Projection Algorithm for Linear Quadratic Mixtures

Sixin Zhang

Analysis of short time orthogonal transform learning for NMF

Nicolas Nadisic

Sparse Separable Nonnegative Matrix Factorization

Off-the-grid Sparsity

Yann Traonmilin

An algorithm for non convex off the grid sparse spike estimation with a minimum separation constraint

Jean Baptiste Courbot

Boosting the Sliding Frank Wolfe solver for 3D deconvolution

Cédric Herzet

Continuous dictionaries meet low rank tensor approximations

Gilles Monnoyer de Galland

Factorization over interpolation : A fast continuous orthogonal matching pursuit

Frédéric Champagnat

Translation invariant interpolation of parametric dictionaries

Clustering and Source Separation

Remi Carloni Gertosio

Joint deconvolution and blind source separation on the sphere with an application to radio astronomy

Nicolas Keriven

Sparse and Smooth Spectral Clustering in the Dynamic SBM

David Mary

Some detection tests for low complexity data models and unknown background distribution

Shaoguang Huang

Multi view Subspace Clustering for Hyperspectral Images

Audio Processing

Man Shun Ang

Blind Audio Source Separation with Minimum Volume Beta Divergence NMF

Pierre Hugo Vial

Phase retrieval with Bregm an divergences Application to audio signal recovery

Mathieu Lagrange

Bandwidth extension of muscical audio signals using dilated convolutional neural networks

Microscopy Imaging

Marc Allain

High resolution three dimensional crystalline microscopy

Stephan Kunne

Cross modal registration using point clouds and graph matching
in the context of correlative microscopies

Simon Labouesse

Uniqueness of the random illumination
microscopy variance equation

Computational Imaging

Maël Millardet

Local mean preserving post processing ste for non  negativity enforcement in PET imaging application to 90Y PET

Ludivine Morvan

Leveraging RSF and PET images for prognosis of Multiple Myeloma at diagnosis

Benoit Pairet

Morphological components analysis for circumstellar disks imaging

Iman Marivani

Interpretable Deep Multimodal Image Super Resolution

Avec le soutien de

Sponsors
Publié le 1 décembre 2020 Mis à jour le 16 avril 2024