Au sein d'Orange Innovation IT-S, vous intégrez l'équipe Content Video Audio de la direction Home Services, composée de chercheurs, chefs de projet et spécialistes en technologie, à la pointe des connaissances du domaine Audio et Vidéo. Plusieurs technologies développées dans l'équipe ont été intégrées à des standards récents (HEVC, 3D-HEVC, Travaux 6DoF de MPEG). Des travaux de recherche sont également menés autour des formats vidéo immersifs et plus précisément dans le contexte de la mise au point d'un système de captation volumétrique d'objets réels ou d'avatars. Les algorithmes de traitement audio, tels que les codecs voix/audio, les algorithmes d'amélioration (réduction du bruit, annulation d'écho, séparation de sources), le son 3D (dont le son binaural) et leurs intégration dans les services innovants ainsi que sur les technologies de traitement du signal audio et machine learning, sont également des activités réalisées au sein de l'équipe.
La localisation de sources sonores est une sous-tâche de l'analyse de scènes sonores qui a défié les chercheurs pendant plus de 40 ans. La connaissance du nombre de sources et de leurs positions est un pré-requis aux méthodes de séparation qui serviront ensuite à décomposer la scène en sources élémentaires. Les méthodes traditionnelles (e.g., MUSIC ou GCC-PHAT) sont connues comme sensibles à des phénomènes acoustiques adverses tels que la réverbération ou le bruit. Cette problématique a connu un récent regain d'intérêt grâce à l'avènement des réseaux de neurones profonds ou DNN pour Deep Neural Network. Plusieurs challenges internationaux comme DCASE ou LOCATA sont venus fédérer la recherche sur le sujet de la localisation et la détection d'événement sonores.
Le stage vise à améliorer les performances dans ces situations réelles et sur les axes suivants :
Base de données : il s'agira de générer des données plus réalistes utilisées pour entraîner et/ou valider les architectures neuronales. Le stagiaire disposera du logiciel de simulation d'acoustique de salle ICARE. Il sera intéressant d'enrichir la base de données avec des techniques de data-augmentation qui ont montré leur pertinence dans le challenge DCASE dédié à la détection et localisation d'événements sonores. Il faudra également générer des scènes réelles grâce à des microphones sphériques mis à sa disposition (Zylia ZM-1 et Zoom H3-VR)
Architecture neuronale : les travaux menés en interne ont permis d'aboutir à une famille d'architectures efficace pour le comptage et la localisation, basées sur une combinaison de CNN (Convolutive Neural Network) et de couches de Self-Attention. Il faudra adapter ces architectures aux conditions réelles, dans un premier temps en recherchant les hyper-paramètres ad-hoc. Dans un deuxième temps, il sera intéressant d'investiguer d'autres architectures qui ont montré leur efficacité dans le challenge DCASE, comme les couches convolutionnelles dilatées du réseau RD3Net, afin d
Formation souhaitée
vous préparez une formation de niveau Bac +5 dans le domaine du traitement du signal et/ou de l'audio
Pré-requis techniques :
Maîtrise du traitement du signal audio.
Connaissances en traitement d'antenne
Connaissances en méthodes d'apprentissage statistique, si possible en réseaux de neurones
Maîtrise du langage Python. Idéalement : connaissances en programmation de réseaux de neurones sous Python (Keras/Tensorflow)
Aptitudes personnelles :
Forte appétence pour le traitement du signal
Vous maîtrisez l'anglais
20-03-2024
Sélectionnez le secteur qui vous intéresse ci-dessous et n'oubliez pas votre adresse email!
