Geodesic Models With Convexity Shape Prior.
Da Chen, Jean-Marie Mirebeau, Minglei Shu, Xuecheng Tai and Laurent D. Cohen.
in IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI), volume 45, no. 07, pp. 8433-8452, 2023. https://doi.org/10.1007/s11263-023-01881-z
Shape Morphing as a Minimal Path in the Graph of Cubified Shapes. Raphael Groscot and Laurent D. Cohen.
In 18th International Joint Conference on Computer Vision, Imaging
and Computer Graphics Theory and Applications (VISIGRAPP23), February 19-21, 2023, Lisbon, Portugal. DOI: 10.5220/0011680200003417Best Paper Award.
Fast Marching Energy CNN. Learning to define a metric and a center such that the segmented region is the unit ball according to this metric and center.
Theo Bertrand, Nicolas Makaroff and Laurent D. Cohen.
In Proc. 9th International Conference on Scale Space and Variational Methods in Computer Vision (SSVM 2023), Sardinia - Italy, May 21-25 2023.
A Model Is Worth Tens of Thousands of Examples. We show with simple toy examples that in order for CNN methods to perform better than a model, tens of thousands of examples are needed for training. Thomas Dages, Laurent D. Cohen and Alfred M. Bruckstein. In Proc. 9th International Conference on Scale Space and Variational Methods in Computer Vision (SSVM 2023)}}, Sardinia - Italy, May 21-25 2023.
Chapitres d'ouvrages
From Active Contours to Minimal Geodesic Paths: New Solutions to Active Contours Problems by Eikonal Equations. We propose different approaches based on Finsler metrics and mathematical tricks in order to minimize through geodesic methods the classical energy terms in active contour models. This takes advantage of geodesic methods which can find a global minimizer with fast method. Finding a shortest path according to relevant metrics and spaces allows to reproduce active contours terms for curvature penalization, alignment with a given vector field and region homogeneity term. Da Chen and Laurent D. Cohen, in Handbook of Numerical Analysis, volume 20-- Processing, Analyzing and Learning of Images, Shapes, and Forms, pages 1--44, Elsevier, 2019.
Directeur de Recherche au CNRS CEREMADE, UMR CNRS 7534, Université Paris Dauphine, PSL Place du Marechal de Lattre de Tassigny 75775 Paris cedex 16, France Tel. (33-1) 44 05 46 78 Fax (33-1) 44 05 45 99 Cohen @ ceremade.dauphine .fr http://www.ceremade.dauphine.fr/~cohen
This course, after giving a short introduction to digital image processing, will present an overview of variational methods for Image segmentation. This will include deformable models, known as active contours, solved using finite differences, finite elements, level sets method, fast marching method. A large part of the course will be devoted to geodesic methods, where a contour is found as a shortest path between two points according to a relevant metric. This can be solved efficiently by fast marching methods for numerical solution of the Eikonal equation. We will present cases with metrics of different types (isotropic, anisotropic, Finsler) in different spaces. All the methods will be illustrated by various concrete applications, like in biomedical image applications.
Les articles indiqués ci-dessous permettent d'approfondir les notions vues en cours, mais il n'est évidemment pas obligatoire de lire tous ces articles.
Chemins Minimaux et Modèles Déformables de Courbes et Surfaces Elastiques en Analyse d'Images/
Minimal Paths and Elastic Deformable Models for Image Analysis
Directeur de Recherche au CNRS CEREMADE, UMR CNRS 7534, Université Paris Dauphine, PSL Place du Marechal de Lattre de Tassigny 75775 Paris cedex 16, France Tel. (33-1) 44 05 46 78 Fax (33-1) 44 05 45 99 Cohen @ ceremade.dauphine .fr http://www.ceremade.dauphine.fr/~cohen
Ce cours présente l’utilisation de méthodes de plus court chemin (géodésique) et de courbes et de surfaces déformables pour l’analyse d’images. Les modèles déformables (contours actifs ou surfaces actives) sont devenus des outils incontournables pour résoudre les problèmes de vision par ordinateurs tels la segmentation d’images ou la reconstruction de surfaces 3D.
Ces modèles déformables sont contraints à minimiser une énergie traduisant les a priori géométriques de forme et l'attache aux données de l'image.
Dès leur introduction, les contours actifs ont rencontré un problème de minima locaux les empéchant souvent d'atteindre le but voulu. C'est pourquoi l'approche des chemins minimaux a été introduite. En transformant le problème en recherche de chemin le plus court (ou géodésique) entre 2 points de l'image, selon une métrique bien adaptée, et dans un domaine correspondant au problème.
Ce cours propose ainsi un panorama des approches par chemins mlinimaux et méthodes variationelles utilisées pour manipuler et optimiser ces courbes et surfaces non-rigides. En particulier, nous verrons comment adapter le domaine ou la métrique pour la recherche de chemins minimaux dans divers contextes.
Le cours est assorti de nombreuses illustrations par des applications en imagerie biomédicale 2D et 3D. Des séances de TP sur machine viendront compléter le cours.
Un support de cours est distribué pendant les cours. Les articles indiqués ci-dessous permettent d'approfondir les notions vues en cours, mais il n'est évidemment pas obligatoire de lire tous ces articles.
Lieu : Faculté de Médecine de l'université de Paris, site Cochin, 24 Rue du Faubourg Saint-Jacques, 75014 Paris, France (plan) Salle 2001, Batiment Faculté de Cochin, 2eme étage. (except january 22nd online)
Langue : Le cours sera en Français, sauf si des étudiants ne sont pas francophones. Dans ce cas, ce sera en Anglais. The course will be in English if non French speaking students attend it.
Plan du Cours (l'appariement thèmes/dates est approximatif et l'ordre peut aussi changer).
En plus du projet, un petit examen écrit (QCM de 10 minutes) est prévu a l'issue du dernier cours. La présence a ce QCM sera nécessaire.
Veuillez remplir ce formulairedes maintenant pour me le remettre le jour de l'examen. La dernière page peut être anonyme si vous le désirez.
Un projet consistera en une étude approfondie d'un article accompagnée d'une mise en oeuvre numérique. Le travail a produire est le suivant:
lire le ou les article(s) propose(s).
implanter l'algorithme (ou une version simplifiée, ou une partie, selon l'article) et une démonstration (peu importe le langage, C++, MATLAB, SciLab, python, etc)
rédiger un rapport (max ~10 pages, format final pdf) qui détaille votre compréhension de la méthode, votre approche pour l'implanter et vos expérimentations. la première page donnera les réponses aux 6 questions de ce document.
préparer une présentation (transparents ppt ou pdf) de 15 minutes. La date des soutenances sera début avril.
Un lien vers les articles proposés sera donné en cours. Pour information, voici quelques sujets de projets proposés les années précédentes:
P1. Active Geodesics: Region based Active Contour Segmentation with a Global Edge based Constraint (PDF) Vikram Appia (Georgia Tech), Anthony Yezzi (Georgia Institute of Technology)
P2. Automated Reconstruction of Tree Structures using Path Classifiers and Mixed Integer Programming Engin Turetken, Fethallah Benmansour, Pascal Fua (PDF)
Directeur de Recherche au CNRS CEREMADE, UMR CNRS 7534, Université Paris Dauphine, PSL Place du Marechal de Lattre de Tassigny 75775 Paris cedex 16, France Tel. (33-1) 44 05 46 78 Fax (33-1) 44 05 45 99 Cohen @ ceremade.dauphine .fr http://www.ceremade.dauphine.fr/~cohen
This course, after giving a short introduction to digital image processing, will present an overview of variational methods for Image segmentation. This will include deformable models, known as active contours, solved using finite differences, finite elements, level sets method, fast marching method. A large part of the course will be devoted to geodesic methods, where a contour is found as a shortest path between two points according to a relevant metric. This can be solved efficiently by fast marching methods for numerical solution of the Eikonal equation. We will present cases with metrics of different types (isotropic, anisotropic, Finsler) in different spaces. All the methods will be illustrated by various concrete applications, like in biomedical image applications.
Les articles indiqués ci-dessous permettent d'approfondir les notions vues en cours, mais il n'est évidemment pas obligatoire de lire tous ces articles.
Directeur de Recherche au CNRS CEREMADE, UMR CNRS 7534, Université Paris Dauphine, PSL Place du Marechal de Lattre de Tassigny 75775 Paris cedex 16, France Tel. (33-1) 44 05 46 78 Fax (33-1) 44 05 45 99 Cohen @ ceremade.dauphine .fr http://www.ceremade.dauphine.fr/~cohen
Ce cours présente l’utilisation de courbes et de surfaces non-rigides pour l’analyse d’images. Les mod`eles déformables (contours actifs ou surfaces actives) sont devenus des outils incontournables pour résoudre les problèmes de vision par ordinateurs tels la segmentation d’images ou la reconstruction de surfaces 3D.
Ces modèles déformables sont contraints à minimiser une énergie traduisant les a priori géométriques de forme et l'attache aux données de l'image.
Dès leur introduction, les contours actifs ont rencontré un problème de minima locaux les empéchant souvent d'atteindre le but voulu. C'est pourquoi l'approche des chemins minimaux a été introduite. En transformant le problème en recherche de chemin le plus court (ou géodésique) entre 2 points de l'image, selon une métrique bien adaptée, et dans un domaine correspondant au problème.
Ce cours propose ainsi un panorama des méthodes variationelles et des approches par chemins mlinimaux utilisées pour manipuler et optimiser ces courbes et surfaces non-rigides. En particulier, nous verrons comment adapter le domaine ou la métrique pour la recherche de chemins minimaux dans divers contextes.
Le cours est assorti de nombreuses illustrations par des applications en imagerie biomédicale2D et 3D. Des séances de TP sur machine viendront compléter le cours.
Un support de cours est distribué pendant les cours. Les articles indiqués ci-dessous permettent d'approfondir les notions vues en cours, mais il n'est évidemment pas obligatoire de lire tous ces articles.
Lieu : Faculté de Médecine de l'université de Paris, site Cochin, 24 Rue du Faubourg Saint-Jacques, 75014 Paris, France (plan) Salle 2001, Batiment Faculté de Cochin, 2eme étage.
Langue : Le cours sera en Français, sauf si des étudiants ne sont pas francophones. Dans ce cas, ce sera en Anglais. The course will be in English if non French speaking students attend it.
Plan du Cours (l'appariement thèmes/dates est approximatif et l'ordre peut aussi changer).
16 Janvier 2023 à 14h15: Présentation du plan du cours
En plus du projet, un petit examen écrit (QCM de 10 minutes) est prévu a l'issue du dernier cours. La présence a ce QCM sera nécessaire.
Veuillez remplir ce formulairedes maintenant pour me le remettre le jour de l'examen. La dernière page peut être anonyme si vous le désirez.
Un projet consistera en une étude approfondie d'un article accompagnée d'une mise en oeuvre numérique. Le travail a produire est le suivant:
lire le ou les article(s) propose(s).
implanter l'algorithme (ou une version simplifiée, ou une partie, selon l'article) et une démonstration (peu importe le langage, C++, MATLAB, SciLab, python, etc)
rédiger un rapport (max ~10 pages, format final pdf) qui détaille votre compréhension de la méthode, votre approche pour l'implanter et vos expérimentations. la première page donnera les réponses aux 6 questions de ce document.
préparer une présentation (transparents ppt ou pdf) de 15 minutes. La date des soutenances sera début avril.
Voici quelques sujets de projets proposes les années précédentes:
P1. Active Geodesics: Region based Active Contour Segmentation with a Global Edge based Constraint (PDF) Vikram Appia (Georgia Tech), Anthony Yezzi (Georgia Institute of Technology)
P2. Automated Reconstruction of Tree Structures using Path Classifiers and Mixed Integer Programming Engin Turetken, Fethallah Benmansour, Pascal Fua (PDF)
