Reconnaître un photographe à son style

Encadrants : Henri Maitre
Disponible : OUI

Spécialité : IMA
Nombre d'étudiants : 1
Description : On se propose de développer des outils pour distinguer les photographies des photographes classiques. On propose de mettre en oeuvre des techniques d'apprentissage à partir de primitives pertinentes (handcrafted features), puis de classification à l'aide des outils classiques (décision bayésienne, SVM, KD-trees, etc.) On dispose de courtes collections (de 20 à 50 photos par photographe) d'artistes connus de la photographie en Noir et Blanc : H. Cartier-Bresson, M. Riboud, D. Lange, I. Penn, W. Evans, D. Moriyama, S. Keita, S. Tomatsu que l'on pourra compléter autant que de besoin. On choisira des primitives reconnues importantes pour caractériser l'esthétique photographique mais aisément programmables : utilisation de la dynamique et des textures, utilisation de la géométrie, mise au point des sujets et du fond, complexité de la scène, etc. On pourra compléter ces primitives par celles utilisées en fouille de données multimédia : décomposition en zones et distribution des zones, rôle des gradients et des contours, etc.
Travail demandé : On attend de l'étudiant une recherche bibliographique sur les primitives pertinentes, puis une étude critique sur celles choisies. Les algorithmes de classification seront également discutés La pertinence des choix sera mesurée sur un jeu de photographies qui ne sera mis à disposition que le jour de la présentation des résultats. Documentation : H. Maitre : chapitre 4 "Quels critères pour une belle photo ?" de l'ouvrage "L'esthétique en photographie numérique", ISTE, 2021 Ke, Y., Tang, X., and Jing, F. (2006). The design of high-level features for photo quality assessment. In IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06), volume 1, pages 419-426 Luo, Y. and Tang, X. (2008). Photo and video quality evaluation : Focusing on the subject. In Forsyth, D. and Zisserman, A., editors, ECCV 2008, volume LNCS 5304, pages 386-399, Berlin-Heidelberg. Springer-Verlag Marchesotti, L., Perronnin, F., Larlus, D., and Czurka, G. (2011). Assessing the aesthetic quality of photographs using generic image descriptors. Int. Conf. on Computer Vision, pages 1784-1791. Marchesotti, L., Perronnin, F., and Meylan, F. (2013). Learning beautiful (and ugly) attributes. In BMVC, volume 7, pages 1-11.