L’Institut national de l’information géographique et forestière (IGN) est l’opérateur de l’État en matière d’information géographique et forestière de référence, certifiée neutre et interopérable. L’Institut développe en permanence de nouveaux référentiels, produits et géo-services, répondant aux besoins croissants et évolutifs en données cartographiques et en informations géolocalisées.   
L’innovation est au coeur de la stratégie de l’IGN au travers de ses cinq laboratoires de recherche, de son école (ENSG), membre de la nouvelle Université Gustave Eiffel, et de son accélérateur de projets de géo-services numériques (IGNfab).
Au sein de la Direction des Systèmes d’Information (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.
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 2 ans dans un projet de construction d’une base de données collaborative composé d’images vue de rue, de type “Street View”, nommé Panoramax. Un des objectifs de ce projet est de ne pas dépendre seulement des données des grands acteurs du numérique (Google StreetView ou Mapillary). Ces données peuvent être utiles pour la mise à jour et la mise à niveau des bases de données de l’IGN. 
Le sujet du stage tourne autour d’un travail exploratoire autour de la détection de changement entre des images vues de rue à deux dates différentes, avec comme contrainte forte d’être capable d’interpoler dans l’espace entre ces séries, ainsi que de pouvoir positionner ces images dans un référentiel cartographique et/ou 3D. 
Des méthodes ont déjà été développées pour réaliser de la détection de changement entre images vues de rue en se basant sur des méthodes d’apprentissage profond [1,2,3] ou de comparaison de géométrie 3D [4] mais peu de solutions opérationnelles semblent exister pour la mise à jour des bases géographiques. Notons que ces images immersives et géoréférencées nécessitent l’usage de méthode de vision particulières à cause de leur géométrie non standard.
Les missions du stage :

•  Pour cette mission vous intégrerez une équipe projet dédiée à la détection du changement de 3 personnes actuellement, vous serez encadré par deux d’entre elles, et un autre ingénieur du département spécialisé en photogrammétrie.
• Dans un premier temps, le stage consistera à faire un état de l’art scientifique sur la détection de changement entre images vue de rue ainsi   qu’une étude du besoin à l’IGN autour de l’exploitation d’images vues de rue.
• Implémenter une preuve de concept de la détection de changement entre deux images vues de rue sur un cas qui aura été identifié en amont (bâti, pistes cycles, etc.) à partir de modèles de deep learning et de traitements photogrammétriques (avec ou sans IA).
• Produire un rapport en faisant usage de son esprit critique afin d’orienter l’IGN sur ce qu’il serait possible de faire ou ne pas faire par la suite avec des images vues de rue dans le cadre de ses activités (faisabilité, perspectives, contraintes).

Liens vers Panoramax : https://panoramax.fr/ 
Présentation Panoramax : https://beta.gouv.fr/startups/vues-immersives-libres.html 
Pour 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] Weakly Supervised Silhouette-based Semantic Scene Change Detection https://arxiv.org/abs/1811.11985 
[2] DR-TANet: Dynamic Receptive Temporal Attention Network for Street Scene Change Detection https://arxiv.org/abs/2103.00879 
[3] Semi-Supervised Scene Change Detection by Distillation From Feature-Metric Alignment : https://openaccess.thecvf.com/content/WACV2024/papers/Lee_Semi-Supervised_Scene_Change_Detection_by_Distillation_From_Feature-Metric_Alignment_WACV_2024_paper.pdf 
[4] Image Based Detection of Geometric Changes in Urban Environments : https://people.inf.ethz.ch/pomarc/pubs/TanejaICCV11.pdf 

Formation Bac +5, avec une spécialisation en vision par ordinateur ou en photogrammétrie de préférence.

•    Idéalement un premier stage en vision par ordinateur ou en photogrammétrie.  
•    Bonne connaissance en python.
•    Connaissance de Pytorch, et si possible de bibliothèques 
•    Appétence pour des sujets prospectifs.
•    Bon niveau d’anglais lu (lecture d’articles)
•    Une expérience en manipulation de données géographiques est un plus

Le stage est localisé à Saint-Mandé (94) à proximité du RER et du 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.