Au sein de la DSI, le Service Innovation, Maturation et Valorisation (SIMV) est chargé de la mise en oeuvre du programme de R&D. Il doit assurer l’entretien et l’évolution des plateformes et équipements technologiques permettant de structurer le processus d’innovation et d’assurer l’interface entre l’enseignement, la recherche, et les développements à caractère plus opérationnel. Il est chargé de développer des prototypes, technologiques d’une part et produits et d’usages d’autre part, qui seront de nature à évaluer l’innovation et à décider de son éventuelle valorisation industrielle en interne ou en externe.
Au sein du SIMV, le département Appui à l’Innovation (DAI) réalise des études et des prototypes permettant de valider la pertinence et la maturité des travaux de recherche. Le cas échéant, il monte en maturité des codes de recherche vers les souches de production via le développement de maquettes, la réalisation de tests et la rédaction de documentation.
L’IGN s’est lancé il y a 3 ans dans un projet de construction d’une base de données collaborative nommée Panoramax (https://panoramax.fr/), composée d’images vue de rue, de type “Street View”. Un des objectifs de ce projet est de ne pas dépendre seulement des données des grands acteurs du numérique (Google StreetView ou Mapillary de Meta). Son premier usage est d’avoir une cartographie de vues de rue. Mais ces données peuvent être exploitées de différentes manière, par exemple pour la mise à jour de produits cartographiques. 

Le sujet du stage tourne autour d’un travail d’amélioration d’un pipeline existant sur la détection de changement entre des images vues de rue à deux dates différentes. En effet, un premier stage de prospection a été effectué sur le sujet avec des résultats prometteurs en utilisant seulement des modèles sur étagère ([1] [3], [4], [5]) et des techniques de photogrammétrie. Nous nous sommes concentrés sur les images panoramiques 360°, lesquelles sont les plus intéressantes pour nos cas d’usage. Malgré les contraintes fortes (être capable d’interpoler dans l’espace entre des images prises à des dates éloignées), les résultats se sont avérés encourageants. Les trois principales limites qui ont été identifiées pour atteindre un niveau démonstrateur sont : 

• Le détecteur de changement [1] n’est pas un modèle de fondation. Il a été entraîné principalement sur des données synthétiques très simplistes et du changement généré par inpainting à partir de Pascal VOC. Il faudrait l’entraîner sur des scènes issues du même environnement que les images Street View.
• Nous avons découpé les images panoramiques en 4 ou 6 images en géométrie plus classiques afin de pouvoir exploiter plus facilement des modèles sur étagère. Toutefois, nous avons constaté que cette approche a des limites, lorsque le changement occupe tout l’espace. Travailler sur le contexte global est important dans certains cas. Il faudrait donc adapter les modèles à des images panoramiques.
• Des problèmes de positionnement liés au GNSS. 

Le stage concerne les deux premières.  

Pour cette mission, vous intégrerez une équipe projet dédiée à la détection du changement de 3 personnes actuellement. Vous serez encadré par l’une d’entre elles, ainsi que par un autre ingénieur du département spécialisé en photogrammétrie. 

Les objectifs du stage : 

• Analyser et reprendre le travail effectué lors du premier stage (lecture du rapport, prise en main du code, articles scientifiques liés au pipeline).
• Terminer un code de finetuning du détecteur de changement, et faire du few shot learning.
• Réaliser des fine-tuning sur des datasets réels ou synthétiques [7] et [9]
• Travailler sur une méthode de génération d’annotations synthétique. Un doctorant de l’IGN a travaillé sur le sujet, et de récents travaux en génération de changement sur images de rue à très large échelle semblent prometteurs [7], [10].
• Analyser l’apport de ces annotations.
• Intégrer des backbones plus récents (type Dino v3 [6])
• Comparer le pipeline à des méthodes sur étagères [8]
• Modifier le pipeline pour la prise en compte complète du contexte immersif.
• Documenter le code et produire un rapport. 

Afin d’avoir une meilleure idée de l’innovation et l’IA à l’IGN : https://videos.senat.fr/video.4831149_67335331b9d74.quels-usages-de-l-ia-a-l-ign—  
 
Bibliographie  

[1] The Change You Want to See (Now in 3D) https://openaccess.thecvf.com/content/ICCV2023W/OpenSUN3D/papers/Sachdeva_The_Change_You_Want_to_See_Now_in_3D_ICCVW_2023_paper.pdf 

[2] MicMac, la bibliothèque de photogrammétrie de l’IGN 

https://github.com/micmacIGN/micmac 

[3] UniDepthV2: Universal Monocular Metric Depth Estimation Made Simpler https://arxiv.org/abs/2502.20110  

[4] RoMa, Robust Dense Feature Matching, https://arxiv.org/abs/2305.15404 

[5] DinoV2,  Learning Robust Visual Features without Supervision, https://arxiv.org/abs/2304.07193  
[6] DinoV3, https://arxiv.org/abs/2508.10104  

[7] ViewDelta: Scaling Scene Change Detection through Text-Conditioning,

Compétences techniques 

• Formation Bac +5, avec une spécialisation en machine learning, en vision par ordinateur ou en photogrammétrie de préférence. Une passion pour la 3D et la géométrie dans l’espace est le gros plus à avoir.
• Idéalement un premier stage en vision par ordinateur ou en photogrammétrie.  
• Bonne connaissance en Python.
• Compétences en apprentissage profond.
• Connaissance de Pytorch, OpenCv.
• Appétence pour des sujets R&D.
• Bon niveau d’anglais lu (lecture d’articles).
• Une expérience en manipulation de données géographiques est un plus.

Compétences organisationnelles 

• Savoir expliquer et documenter une démarche, un résultat. 

Compétences relationnelles 

• Savoir collaborer et travailler en équipe
• Savoir collaborer à distance
• Communiquer auprès des autres métiers de l’Institut (chercheurs, géomaticiens). 

Accès à un cluster maison de calcul, un serveur de développement bi-GPU, se former à l’une des compétences les plus demandées sur le marché (le déploiement optimisé de modèle). 

 
Le poste est localisé à Saint-Mandé (94) à proximité du RER et métro. II n’y a pas de déplacements de prévus. Vous serez accueilli dans les locaux de l’IGN à Saint-Mandé, à proximité du bois de Vincennes et pourrez profiter des diverses associations sportives de l’IGN permettant des échanges riches avec l’ensemble du personnel IGN ainsi que d’une cantine associative. 

Télétravail possible, installations sportives sur places, nombreuses associations.