PhD Defense: Romain Carletto
Méthodes d’apprentissage profond pour la mise en page de documents
Mots clés : Mise en page de documents, Apprentissage profond, Réseaux Génératifs Antagonistes, Transformeurs.
Résumé :
Application clé de la mise en page de documents, la génération automatique de mises en page publicitaires présente un grand intérêt économique. Si les modèles d’apprentissage profond ont donné de premiers résultats significatifs pour la génération de mises en page de documents, leur développement pour la génération de publicités en ligne se heurtent à un accès très limité aux mises en page spécifiques de ce domaine. Par conséquent, nos travaux se consacrent dans un premier temps à la recherche de données réelles et à la conception d’ensemble de données synthétiques permettant d’entraîner et d’évaluer des modèles d’apprentissage profond à la génération de mises en page de publicités. Par ailleurs, dans la littérature, l’évaluation des mises en page de documents repose massivement sur la présentation de visuels et sur les études utilisateurs, ce qui pose d’importants problèmes d’objectivité et de reproductibilité pour l’évaluation de modèles dans ce domaine. Un deuxième axe important de notre travail a donc été de concevoir des méthodes d’évaluation simples et objectives pour comparer entre eux différents modèles de génération de mises en page de document. Enfin, ces premiers travaux nous ont permis de concevoir différents modèles pour la génération de mise en pages de publicités et de documents en général, dont le plus avancé est un Réseau Antagoniste Génératif basé sur les transformeurs.
Jury :
M. Hubert CARDOT – Directeur de thèse
M. Nicholas JOURNET (Université de Bordeaux) – Rapporteur
M. Olivier LEZORAY ( Université de Caen Normandie) – Rapporteur
M. Thierry PAQUET (Université de Rouen) – Examinateur
M. Nicolas RAGOT – Directeur de thèse
M. Nicholas JOURNET (Université de Bordeaux) – Rapporteur
M. Olivier LEZORAY ( Université de Caen Normandie) – Rapporteur
M. Thierry PAQUET (Université de Rouen) – Examinateur
M. Nicolas RAGOT – Directeur de thèse