Vision par ordinateur, apprentissage profond, traitement du langage naturel, vision et langage, questions-réponses visuelles.

Mon but à long terme est de comprendre l'intelligence; comprendre ses principes sous-jacents nous donnerait accès à l'intelligence artificielle (IA), et je crois que les algorithmes d'apprentissage sont essentiels dans cette quête. Les algorithmes d'apprentissage pourraient donner aux ordinateurs la capacité de capter des connaissances opérationnelles (pas nécessairement sous forme symbolique/verbale) à partir d'exemples. Une machine ayant appris de telles connaissances pourrait ainsi faire des prédictions ou des classifications correctes sur de nouveaux cas, généraliser à de nouvelles situations. La recherche dans ce domaine a été couronnée de nombreux succès au cours des trois dernières décades, et elle est maintenant appliquée dans de nombreux domaines de la science et de la technologie.

Parmi les applications les plus connues on inclut les engins de recherche, le traitement du langage naturel, la traduction automatique, la reconnaissance de la parole, la vision par ordinateur, et la fouille de données. Mes recherches à long terme portent sur l'apprentissage de représentations, afin de dépasser des limites théoriques et pratiques des algorithmes (linéaires ou à noyau) qui ont dominé l'apprentissage machine jusqu'à récemment. Pour contourner ces limitations, une nouvelle approche appelée apprentissage profond a été développée ici et dans quelques laboratoires depuis 2006 et a connu des succès fracassants au cours des dernières années.

Mon laboratoire traite divers problèmes reliés à la vision assitée par ordinateur, en particulier : reconstruction de scènes 3D à partir de 1 ou plusieurs vues 2D (stéréoscopie), théorie des graphes appliquée à la vision, méthodes stastiques pour la segmentation d’images, modèle markovien hiérarchique, contour actif, déconvolution et restauration d’images, poursuite, repérage et reconnaissance d’objets, pertubation et intégrité des modèle de solides, détection et correction des erreurs dans les modèles de solides, applications en imagerie médicale (SPECT, IRM, échographie, radiologie etc.).

Mes travaux de recherche portent sur l’estimation du mouvement tridimensionnel, le recalage et la comparaison de données volumiques et sur la construction d'atlas (modèle) numérique avec applications en imagerie médicale dans le but de faciliter une analyse tridimensionnelle de ces images par le médecin.

Intelligence artificielle, la vision par ordinateur, la reconnaissance de formes et l’apprentissage automatique avec des applications à l’infographie, l’analyse du langage naturel et l’exploration des données.

L’objectif du projet de recherche de Liam Paull est de faire progresser les capacités des robots mobiles autonomes. Celles-ci comprennent les facultés à percevoir l'environnement, à y naviguer et à interagir avec lui, ainsi qu'à coopérer et à collaborer avec d'autres robots. Il est prévu que la robotique mobile aura une influence sociétale importante dans les années à venir.

Expertises :

• Robotique,
• Véhicule autonome,
• Apprentissage profond pour les véhicules autonomes

Contributions :
Cofondateur de Duckietown, un projet de recherche, d’éducation et de diffusion sur les véhicules autonomes

Mon programme de recherche s'intéresse aux problèmes fondamentaux de la Vision tridimensionelle par ordinateur, en privilégiant une approche théorique et des réalisations pratiques permettant un transfert efficace vers l'industrie. De même, une attention particulière est accordée aux appliquations artistiques et culturelles de ces travaux. Je m'intéresse plus spécifiquement à la reconstruction tridimensionnelle à partir d'images multiples et à l'analyse du mouvement, dans un contexte probabiliste tel que les champs aléatoires de Markov. Une attention particulière est accordée à l'étude des propriétés statistiques reliées à la mise en correspondance ainsi qu'à la résolution des problèmes d'occlusion et d'échelle entrainés par l'utilisation de grandes images et de grand déplacements de caméra.

L'une de mes premières collaborations de recherche au département était un papier publié conjointement avec Pierre Robillard (méthode de Newton appliquée au modèle de gravité), et j'ai travaillé pendant plusieurs années sur des problèmes mathématiques reliés aux transports. (Mike Florian avait accepté que je fasse un séjour au CRT en été 1974, ce qui m'a aidé beaucoup.) J'ai été directeur du département 1983-1985. 

Je m'intéresse surtout à la conception d'algorithmes robustes, dans le contexte de l'utilisation de surfaces de subdivision en modélisation de solides. Ces surfaces sont utilisées en infographie et en vision, en particulier pour les modèles utilisés pour les jeux ordinateurs et l'animation de film.