Nous présentons ici la soutenance de thèse de doctorat en informatique de l’Université Paris-Saclay de Félix Bigand, réalisée au LISN – CNRS, Université Paris-Saclay, soutenue le 22 novembre 2021, intitulée : “Extraction de caractéristiques humaines dans le mouvement par apprentissage automatique : l’exemple de l’identité en Langue des Signes.»
Traduction LSF : Vivien Fontvieille (Traduquales)
Composition du Jury :
Président : Bastien Berret, Professeur des universités, CIAMS, Université Paris-Saclay, Institut Universitaire de France
Rapporteur : Hervé Abdi, Full professor, School of Behavioral and Brain Sciences, The University of Texas at Dallas
Rapporteur : Frédéric Bevilacqua, Directeur de recherche, STMS, IRCAM, CNRS, Sorbonne Université
Examinatrice : Marion Blondel, Chargée de recherche HDR, SFL, CNRS, Université Paris8
Examinateur : John McDonald, Associate professor, School of Computing, DePaul University, Chicago
Directrice : Annelies Braffort, Directrice de recherche, LISN, CNRS, Université Paris-Saclay
Co-encadrante : Elise Prigent, Maîtresse de conférences, LISN, Université Paris-Saclay
Résumé :
De nombreux obstacles technologiques doivent être surmontés afin d'outiller les Langues des Signes (LS) de la même manière que les langues parlées. Pour ce faire, il est nécessaire d'approfondir les connaissances dans de multiples disciplines, en particulier les sciences du mouvement. Plus précisément, cette thèse vise à étudier la possibilité d'anonymiser les mouvements d'un signeur, de la même manière qu'un locuteur peut rester anonyme en modifiant des aspects spécifiques de sa voix. Premièrement, cette thèse met en lumière les propriétés cinématiques de la LS spontanée afin d'améliorer les modèles de LS naturelle. En utilisant des données de mouvements en 3D de plusieurs signeurs, nous montrons que la bande passante cinématique de la LS spontanée diffère fortement de celle des signes isolés. Ensuite, une analyse en composantes principales révèle que les discours spontanés peuvent être décrits par un ensemble réduit de mouvements simples (i.e., synergies). De plus, en combinant données humaines et modélisation informatique, cette thèse démontre que les signeurs peuvent être identifiés à partir de leurs mouvements, au-delà de la morphologie et de la posture. Enfin, nous présentons des modèles d'apprentissage automatique capables d'extraire automatiquement l'information d'identité dans les mouvements de la LS, puis de la manipuler lors de la génération. Les modèles développés dans cette thèse pourraient permettre de produire des messages de LS anonymes via des signeurs virtuels, ce qui ouvrirait de nouveaux horizons aux signeurs sourds.
Manuscrit de thèse : https://www.theses.fr/2021UPASG090 Une vidéo de la rubrique « Agorapi »