BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//wp-events-plugin.com//7.2.3.1//EN
TZID:Europe/Paris
X-WR-TIMEZONE:Europe/Paris
BEGIN:VEVENT
UID:1148@cran.univ-lorraine.fr
DTSTART;TZID=Europe/Paris:20251114T140000
DTEND;TZID=Europe/Paris:20251114T170000
DTSTAMP:20251104T130857Z
URL:https://www.cran.univ-lorraine.fr/events/soutenance-de-these-de-saulo-
 barreto/
SUMMARY:Soutenance de thèse de Saulo BARRETO
DESCRIPTION:Titre : Décompositions tensorielles pour l'imagerie de covaria
 nce\n\nMembres du jury :\nMme Audrey GIREMUS (Université de Bordeaux) - R
 apporteure\nM. André L. F. DE ALMEIDA (Universidade Federal do Ceará\, B
 résil) - Rapporteur\nM. Freddy ODILLE (INSERM\, Université de Lorraine) 
 - Examinateur\nM. Julien FADE (Aix-Marseille Université) - Examinateur \n
 M. David BRIE (Université de Lorraine\, CNRS) - Invité\nM. Sebastian MIR
 ON (Université de Lorraine\, CNRS) - Directeur de thèse\nM. Julien FLAMA
 NT (Université de Lorraine\, CNRS) - Co-encadrant de thèse\n\nRésumé :
 \nL’imagerie repose classiquement sur le codage d’un pixel par un seul
  nombre (niveaux de gris) ou par trois nombres (RGB). Mais dans des domain
 es avancés comme l’imagerie par tenseur de diffusion (DTI) ou l’image
 rie polarimétrique\, chaque pixel est représenté par une matrice de cov
 ariance\, une source d’information statistique bien plus riche. Ce type 
 de données structurées pose un défi pour les méthodes de traitement ac
 tuelles. Cette thèse propose un cadre général basé sur les décomposit
 ions tensorielles. En considérant les images de covariance comme des tens
 eurs d’ordre quatre\, nos modèles les décomposent en cartes spatiales 
 associées à des matrices de covariance caractéristiques. Cette décompo
 sition non supervisée fournit une représentation interprétable et adapt
 able à divers contextes\, nécessitant très peu d’ajustements. Différ
 ents algorithmes efficaces sont proposés et validés sur des cas pratique
 s. Un package Python\, PyBBTD\, met ces outils à la disposition de la com
 munauté.\n\n\nTitle: Tensor Decompositions for Covariance Imaging\n\nPhD 
 jury:\nMme Audrey GIREMUS (Université de Bordeaux) - Reviewer\nM. André 
 L. F. DE ALMEIDA (Universidade Federal do Ceará\, Brésil) - Reviewer\nM.
  Freddy ODILLE (INSERM\, Université de Lorraine) - Examiner\nM. Julien FA
 DE (Aix-Marseille Université) - Examiner\nM. David BRIE (Université de L
 orraine\, CNRS) - Invited \nM. Sebastian MIRON (Université de Lorraine\, 
 CNRS) - Thesis Director\nM. Julien FLAMANT (Université de Lorraine\, CNRS
 ) - Thesis Co-supervisor\n \nAbstract:\nClassical imaging methods represen
 t pixels as a single number (grayscale) or three numbers (RGB). However\, 
 in advanced fields such as diffusion tensor imaging (DTI) and Stokes polar
 imetric imaging\, each pixel is described by a covariance matrix\, which c
 aptures richer statistical information. Standard image models are unable t
 o handle this type of structured data properly. This thesis proposes a gen
 eral framework based on tensor decompositions. By treating covariance imag
 es as fourth-order tensors\, our models uniquely break them into spatial m
 aps linked with signature covariance matrices. This unsupervised decomposi
 tion provides a low-rank representation that is identifiable\, interpretab
 le\, and adaptable across various applications\, requiring minimal customi
 zation. We designed scalable and efficient algorithms to ensure robust res
 ults. Experiments on real datasets confirm the relevance of our approach. 
 The Python package PyBBTD makes these tools accessible to a broader commun
 ity.\n\n
CATEGORIES:Soutenances thèses et HDR
LOCATION:FST - Amphi 7\, Faculté des Sciences et Technologies\, Boulevard 
 des Aiguillettes\, Vandooeuvre-lès-Nancy\, 54506\, France
X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=Faculté des Sciences et Te
 chnologies\, Boulevard des Aiguillettes\, Vandooeuvre-lès-Nancy\, 54506\,
  France;X-APPLE-RADIUS=100;X-TITLE=FST - Amphi 7:geo:0,0
END:VEVENT
BEGIN:VTIMEZONE
TZID:Europe/Paris
X-LIC-LOCATION:Europe/Paris
BEGIN:STANDARD
DTSTART:20251026T020000
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
END:STANDARD
END:VTIMEZONE
END:VCALENDAR