STAGE Ingénieur.e Modèles génératifs de scènes 3D (F/H)

La génération d'environnements virtuels 3D a pris beaucoup d'ampleur ces dernières années, et les avancées de l'IA dans ce domaine rendent désormais ces nouvelles applications accessibles à un large public.

Nous proposons de nous intéresser, dans le cadre de ce stage, à la compréhension et à la génération multimodale d'environnements 3D à partir d'entrées variées : texte, images, vidéos, etc. Les avancées dans le domaine des modèles génératifs (Diffusion, Flow Matching, etc.) sont rapides et une attention particulière sera portée aux modèles unifiés et aux approches de type any-to-any, capables de comprendre et de générer des données issues de modalités hétérogènes. Un axe important du stage portera ainsi sur l'amélioration du contrôle et du conditionnement de ces modèles génératifs, ainsi que sur leur capacité à exploiter et à produire des données multimodales. Pour y parvenir, les technologies de l'état de l'art en vision par ordinateur, les modèles génératifs ainsi que les modèles de fondation seront particulièrement étudiés.

Le stage se déroulera dans l'équipe AI for Consumer World Twins qui s'intéresse à des problématiques de recherche liées aux world models et environnements de dimension massive mixant le réel et le virtuel afin d'en extraire des connaissances et des composants à forte valeur ajoutée.

Vos missions

Vous établirez dans un premier temps une recherche bibliographique sur le domaine, puis, avec le guidage de votre encadrant, déterminerez la méthode la plus adaptée pour répondre au problème posé. Une implémentation de la méthode sera ensuite mise en œuvre. Enfin, une démonstration des résultats clôturera le stage. Le stage pourrait aboutir à la participation à la rédaction d'un article de recherche.

Références :

Maillard, Léopold, et al. "LACONIC: A 3D Layout Adapter for Controllable Image Creation." 2025 IEEE/CVF International Conference on Computer Vision (ICCV). IEEE, 2025.

Maillard, Léopold, et al. "DeBaRA: Denoising-Based 3D Room Arrangement Generation." Advances in Neural Information Processing Systems 37 (NeurIPS 2024).

Vos qualifications

Actuellement en Master 2 / Bac+5 en Ecole d'ingénieur ou Université, vous vous spécialisez en Mathématiques Appliquées, Apprentissage Statistique, Vision par Ordinateur et recherchez un stage de 5 à 6 mois.

Compétences techniques souhaitées :

* Bonne maîtrise du Python et de la programmation objet.
* Des bases en apprentissage statistique, notamment en Deep Learning seront fortement appréciées.
* Une expérience de développement sur des frameworks de Deep Learning (PyTorch, JAX) est un véritable plus.
* Bonne maitrise de l'anglais à l'oral et à l'écrit pour la rédaction de documentation.

De nature curieuse et motivée, vous faites preuve de rigueur, d'autonomie et d'assiduité dans votre travail.

La recherche en entreprise ou académique vous attire

Nous rejoindre c'est aussi

Intégrer une entreprise scientifique au cœur de l'innovation technologique, portée par une forte croissance depuis plus de 40 ans.

Principaux avantages et bénéfices :

* Environnement collaboratif et innovant
* Collaboration internationale
* Diversité des technologies, produits et solutions
* Engagement en faveur de la diversité et de l'inclusion