M. Neil FARMER, Laboratoire IETR, équipe AIMAC « Editions locales et démêlées des signes du vieillissement avec les GANs. »
AVIS DE SOUTENANCE
M. Neil FARMER, Laboratoire IETR, équipe AIMAC
Soutiendra publiquement ses travaux de thèse, intitulés :
« Editions locales et démêlées des signes du vieillissement avec les GANs. »
Dirigés par M. Renaud SEGUIER
Soutenance prévue le mardi 27 janvier 2026 à 14h00
Lieu : Chanel, 8 rue du cheval blanc, 93500 Pantin. Salle RJB 527/528
Lien Teams
Membres du jury :
M. DAOUDI Mohamed, Rapporteur, IMT Nord Europe
M. DUGELAY Jean-Luc, Rapporteur, EURECOM
M. NEWSON Alasdair, Examinateur, Sorbonne université
Mme HUDELOT Céline, Examinateur, CentraleSupélec
M. CAZORLA Gabriel, Co-encadrant, Chanel
Mme SOLADIÉ Catherine, Co-encadrant, CentraleSupélec
M. SEGUIER Renaud, Directeur de thèse, CentraleSupélec
Mots-clés : GAN, Démêlement, Edition de l'age, Edition des rides
Keywords : GAN, Disentanglement, Age Editing, Wrinkle Editing
Résumé : Contrairement aux méthodes d’édition de l’âge, qui considèrent le vieillissement comme un processus holistique, l’objectif de cette thèse est de permettre le contrôle indépendant de chacun des signes de l'age (tâche, rides, relâchement). Cette volonté est portée par l'étude de la sénescence qui souligne que l'influence multiple du vieillissement, tels que la génétique, les habitudes quotidiennes, ou l’utilisation de produits cosmétiques. Le démêlement des signes de l'âge pour mieux modéliser et illustrer ces influences serait particulièrement précieux pour les applications dans l’industrie cosmétique. La forte corrélation entre les caractéristiques visibles du vieillissement constitue un défi majeur, car il est difficile d’isoler un attribut spécifique des autres à partir d’images réelles uniquement. Pour surmonter cette limite, nous proposons deux méthodes de démêlage : l’une fondée sur l’optimisation, l’autre sur l’apprentissage. Ces méthodes analysent d’abord un modèle génératif pré-entraîné afin d’identifier les dimensions sémantiquement non pertinentes et d’y intégrer des connaissances supplémentaires. En s’appuyant sur des images synthétiquement modifiées, les techniques proposées permettent de dissocier des signes de l'age, offrant ainsi un contrôle indépendant sur chaque caractéristique. Bien que notre objectif principal soit l’édition des signes de vieillissement, nous avons également obtenu des résultats prometteurs en appliquant ces méthodes à d’autres tâches d’édition, telles que l’application de rouge à lèvres ou la conversion d’images en croquis.
Abstract : Although state-of-the-art age-editing methods typically treat ageing as a holistic process, we argue that various factors, including genetics, daily habits, facial expressions, and skincare products, influence it. Disentangling these signs to better model and illustrate these influences would be particularly valuable for applications in the cosmetics industry. Accordingly, this thesis aims to enable the individual editing of distinct signs of ageing. The strong correlation between visible ageing features is a significant challenge in this context. Consequently, isolating a specific ageing attribute from others is particularly difficult when relying solely on real images. To overcome this limitation, we propose two disentanglement methods: one based on optimisation, and the other on learning. These methods first analyse a pre-trained generative model to identify semantically irrelevant dimensions and integrate additional knowledge. By leveraging synthetically modified images, the proposed techniques can disentangle specific signs of ageing, enabling independent control over each feature. Although our primary focus is signs of ageing, we have observed promising results when extending these methods to other editing tasks, such as lipstick application and image-to-sketch conversion.
