Date d'entrée à l'EFEO

10/2023

Date de début de doctorat

01 octobre 2023

Institution de rattachement et école doctorale

EFEO/ENPC ; École doctoral IP Paris

Laboratoire

Archeoscape & LIGM Imagine

Thèmes de recherche

Machine Learning, Deep Learning, Earth Observation, Khmer civilisation

Études et formation

  • 2019-2023 : Diplôme d’ingénieur, École Polytechnique
  • 2022-2023 : Master 2 MVA, ENS Paris-Saclay

Thèse de doctorat

Cartographie archéologique en Asie du Sud-Est à partir de données LiDAR aéroportées avec l'apprentissage automatique

Sous la direction de Loic Landrieu (ENPC) & Christophe Pottier (EFEO)

Ma thèse porte sur l’utilisation du LiDAR aéroporté afin d’automatiser la détection et l’analyse de structures archéologiques cachées sous la végétation dense en Asie du Sud-Est. Grâce à des campagnes couvrant plusieurs milliers de km² au Cambodge et au Laos, un corpus exceptionnel a été constitué : 80 milliards de points 3D, 25 000 images haute résolution et plus de 100 000 structures artificielles annotées par des experts. Ces données offrent une opportunité unique d’appliquer des approches d’apprentissage profond à grande échelle pour identifier automatiquement des caractéristiques archéologiques (étangs, temples, monticules, etc.), en s’appuyant sur des annotations riches et diversifiées. L’objectif est de dépasser les limites des méthodes actuelles, souvent centrées sur des représentations 2.5D et de petits jeux de données, afin de développer des outils innovants de vision par ordinateur exploitant pleinement les nuages de points 3D pour révéler et comprendre les paysages des anciennes civilisations khmères et voisines. 

Bibliographie (HAL)

Communications dans un colloque

Yohann Perron, Vladyslav Sydorov, Adam P. Wijker, Damian Evans, Christophe Pottier, et al.. Archaeoscape: Bringing Aerial Laser Scanning Archaeology to the Deep Learning Era. NeurIPS, 2024, Dataset and Benchmark track, Dec 2024, Vancouver (BC), Canada. ⟨hal-04917310⟩