Maxime Devanne
Approches génératives pour pallier le manque de données en analyse du mouvement humain

Les avancées récentes en intelligence artificielle générative ouvrent de nouvelles perspectives pour la modélisation, la synthèse et l’analyse du mouvement humain. Cette présentation abordera l’adaptation de modèles génératifs à la représentation du mouvement humain sous forme de séries temporelles multivariées. Des applications en évaluation de mouvements de rééducation et en analyse de la marche seront présentées, illustrant comment des approches d’augmentation de données, d’apprentissage par transfert et de modélisation générative peuvent pallier le manque de données disponibles. Une attention particulière sera également portée à l’évaluation de ces méthodes et des données synthétiques produites.

Maxime Devanne est Maître de Conférences en Informatique à l’Université de Haute-Alsace et membre de l’équipe de recherche MSD au sein du laboratoire IRIMAS. Ses principaux intérêts de recherche portent sur l’analyse de séries temporelles et du mouvement humain à l’aide de méthodes d’apprentissage profond. Il est responsable scientifique du projet ANR JCJC DELEGATION (2022-2026), consacré à l’étude de modèles génératifs profonds pour le mouvement humain. Il a également coordonné les projets REVEIL (2022-2023) et DeepRehab (2020-2021), dédiés à l’analyse et à la modélisation des mouvements de rééducation.