air - User contributions [en]

VT2020

2021-01-04T12:39:07Z

Louis.De-Gaudenzi:

[[VT2019|<< Etudes 2019]] [[VT|Sommaire]] [[VT2021|Etudes 2021 >>]]

=Veille Technologique et Stratégique=
* Enseignants: [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]
* UE/Module: EAM (HPRJ9R6B) et EAR (HPRJ9R4B) en 1FO5

L'objectif de cette UE est de réaliser un travail de synthèse et d’évaluation sur une technologie / spécification / tendance

Dans votre futur vie d'ingénieur, vous aurez à d'une part, vous former par vous-même sur une technologie émergente et d'autre part à réaliser une veille technologique (et stratégique) par rapport à votre entreprise et projet.
Il s'agira de réaliser
* le positionnement par rapport au marché
* d'être critique

Votre synthèse fait l'objet d'une présentation orale convaincante devant un auditoire (dans le futur, vos collègues, vos chefs ou vos clients) avec des transparents et un discours répété.
Pour finir de convaincre (Saint Thomas), vous ferez la présentation d'une démonstration.

Votre présentation sera notée et commentée par tous vos camarades via un sondage (téléphone mobile). Leurs notes et leurs commentaires seront notés en fonction de leur exactitude de jugement.

Remarque: Le [https://fr.wikipedia.org/wiki/Plagiat plagiat] est incompatible avec l'éthique de l'ingénieur. Le directeur d'école peut demander votre traduction devant la commission disciplinaire de l'université. La sanction peut aller jusqu’à une interdiction d'inscription dans les établissements de l'enseignement supérieur français pendant plusieurs années : Le jeu en vaut-il la chandelle ?

La présentation peut être réalisée avec [[reveal.js]] ou avec [[remarkjs]]

[[File:presentation-VT-RICM5-1516.pdf|transparents d'introduction à l'UE]]

=Planning=

== Séance 1 : 16/11 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 5, 8, 23, 78

* 16H00 : Alexandra CHATON, Jsonnet, [[VT2020-Jsonnet-Fiche|Fiche]], [[Media:VT2020-Jsonnet-Presentation.pdf|Présentation]], [[VT2020-Jsonnet-Demo|Démonstration]]
* 16H25 : Alexis ROLLIN, GraalVM, [[VT2020-GraalVM-Fiche|Fiche]], [[Media:VT2020-GraalVM-Presentation.pdf|Présentation]], [[VT2020-GraalVM-Demo|Démonstration]]
* 16H50 : Aleck BILOUNGA, Micronaut, [[VT2020-Micronaut-Fiche|Fiche]], [[https://docs.google.com/presentation/d/1oVq_81RwLelY1EptNoObHhmRRfGnfuxBD6PRd49jyjI/edit#slide=id.p Présentation]], [[https://youtu.be/gu7H4kbeA_Y Démonstration]]
* 17H15 : Prénom NOM, Cryptojacking, [[VT2020-Cryptojacking-Fiche|Fiche]], [[File:VT2020-Cryptojacking-Presentation.pdf|Présentation]], [[VT2020-Cryptojacking-Demo|Démonstration]]

== Séance 2 : 23/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 9, 33, 49, 72, 81

* 16H00 : Myriam LOMBARD, Microclimate, [[VT2020-Microclimate-Fiche|Fiche]], [[Media:VT2020-Microclimate-Presentation.pdf|Présentation]], [[VT2020-Microclimate-Demo|Démonstration]]
* 16H25 : Samuel COURTHIAL, Voice-First Development, [[VT2020-Voice_First_Development-Fiche|Fiche]], [[Media:VT2020-Voice_First_Development-Presentation.pdf|Présentation]], [[VT2020-Voice_First_Development-Demo|Démonstration]]
* 16H50 : Thomas FRION, Valgrind, [[VT2020-Valgrind-Fiche|Fiche]], [[Media:VT2020-Valgrind-Presentation.pdf|Présentation]], [[VT2020-Valgrind-Demo|Démonstration]]
* 17H15 : Nhat Quang HO, HTTP/3, [[VT2020-Http3-Fiche|Fiche]], [[Media:VT2020-Http3-Presentation.pdf|Présentation]], [[VT2020-Http3-Demo|Démonstration]]
* 17H40 : Romain PASDELOUP, Ballerina, [[VT2020-Ballerina-Fiche|Fiche]], [[Media:VT2020-Ballerina-Presentation.pdf|Présentation]], [[VT2020-Ballerina-Demo|Démonstration]]

== Séance 3 : 30/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 2, 3, 10, 11, 38

* 16H00 : EL AJI Houda, Blazor, [[VT2020-Blazor-Fiche|Fiche]], [[Media:VT2020-Blazor-Presentation.pdf|Présentation]], [[VT2020-Blazor-Demo|Démonstration]]
* 16H25 : Vernet Maxime, Website Rendering Types, [[VT2020-XXXXXX-Fiche|Fiche]], [[Media:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Pareilleux Killian, Quarkus, [[VT2020-Quarkus-Fiche|Fiche]], [[Media:VT2020-Quarkus-Presentation.pdf|Présentation]], [[VT2020-Quarkus-Demo|Démonstration]]
* 17H15 : ZERAMDINI Otba, Helidon, [[VT2020-Helidon-Fiche|Fiche]], [[Media:VT2020-Helidon-Presentation.pdf|Présentation]], [[VT2020-Helidon-Demo|Démonstration]]
* 17H40 : Crociati Morgan, WebAssembly, [[VT2020-WebAssembly-Fiche|Fiche]], [[Media:VT2020-WebAssembly-Presentation.pdf|Présentation]], [[VT2020-WebAssembly-Demo|Démonstration]]

== Séance 4 : 7/12 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 4, 15, 16, 19, 21

* 16H00 : NGUENA Gloria, MemSQL, [[VT2020-MemSQL-Fiche|Fiche]], [[Media:VT2020-MemSQL-Presentation.pdf|Présentation]], [[VT2020-MemSQL-Demo|Démonstration]]
* 16H25 : Graugnard Tom, QuestDB, [[VT2020-QuestDB-Fiche|Fiche]], [[Media:VT2020-QuestDB-Presentation.pdf|Présentation]], [[VT2020-QuestDB-Demo|Démonstration]]
* 16H50 : Delbos Robin, Apache Arrow, [[VT2020-Apache Arrow-Fiche|Fiche]], [[Media:Présentation_Apache_Arrow.pdf|Présentation]], [[VT2020-Apache Arrow-Demo|Démonstration]]
* 17H15 : El Mufti Ali, Apache Pulsar, [[VT2020-Apache Pulsar-Fiche|Fiche]], [[File:VT2020-Pulsar-Presentation.pdf|Présentation]], [[VT2020-Pulsar-Demo|Démonstration]]
* 17H40 : RUZAFA Rémy, Apache Pinot, [[VT2020-AppachePinot-Fiche|Fiche]], [[Media:VT2020-AppachePinot-Présentaion.pdf|Présentation]], [[VT2020-AppachePinot-Demo|Démonstration]]

== Séance 5 : 14/12 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 22, 48, 55, 56, 84

* 16H00 : Sajide Idriss, IoT Dataflow Mashup, [[Eclipse_Kura_Wires|Fiche]], [[Media:IoT Dataflow Mashup.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Chaix Manon, Nearby Communication, [[VT2020 - Nearby Communications Fiche|Fiche]], [[Media:VT_Nearby.pdf|Présentation]], [[VT2020-NearbyComm-Demo|Démonstration]]
* 16H50 : Palomo Rémy, Apollo 2.0, [[VT2020-Plateforme Apollo-Fiche|Fiche]], [[Media:VT2020-Apollo-Presentation.pdf|Présentation]], [[VT2020-Apollo-Demo|Démonstration]]
* 17H15 : Nelson William, Flogo, [[VT2020-Flogo-Fiche|Fiche]], [[File:Project_Flogo.pdf|Présentation]], [[VT2020_-_Flogo_Demo|Démonstration]]
* 17H40 : Fougere Sebastian, Amazon Sidewalk, [[VT2020-Amazon-Sidewalk-Fiche|Fiche]], [[Media:VT2020-Amazon-sidewalk-presentation.pdf|Présentation]], [[VT2020-WebThings-Framework-Demo|Démonstration]]

== Séance 6 : 4/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 6, 7, 20, 50, 83

* 16H00 : Boleat Baptiste, OpenAI GPT-3, [[VT2020-OpenAI GPT-3-Fiche|Fiche]], [https://baptboleat.github.io/gpt3-presentation/ Présentation], [[VT2020-GPT-3-Demo|Démonstration]]
* 16H25 : Beaugrand Elisa, OpenAI Microscope, [[VT2020-OpenAI Microscope-Fiche|Fiche]], [[Media:VT2020-OpenAI Microscope-Presentation.pdf|Présentation]], [[VT2020-OpenAI Microscope-Demo|Démonstration]]
* 16H50 : Artaud Adrien, Godot, [[VT2020-Godot-Fiche|Fiche]], [[Media:VT2020-Godot-Presentation.pdf|Présentation]], [[VT2020-Godot-Demo|Démonstration]]
* 17H15 : ASSI Dima, Psychométrie, [[VT2020_Psychometrie_Fiche|Fiche]], [[File:VT2020-psychometriePresentation.pdf|Présentation]], [[VT2020-Psychometrie-Demo|Démonstration]]
* 17H40 : De Gaudenzi Louis, Deepfake Algorithms, [[VT2020-Deepfake Algorithms-Fiche|Fiche]], [[File:VT2020-Deepfake_Algorithms-Presentation.pdf|Présentation]], [[VT2020-Deepfake_Algorithms-Demo|Démonstration]]

== Séance 7 : 11/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 1, 32, 41, 60, XXXX

* 16H00 : Rival Gaëtan, Matrix, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : El Jraidi Rim, Peloton, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Michelard Leila, DevSecOps, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Salmon Alexandre, BFT, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

== Séance 8 : Asynchrone ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : TBC

* 16H00 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

=Sujets=
# [[Matrix]] : An open network for secure, decentralized communication
# [[Blazor]] (Browser+Razor) : a new web development framework introduced by Microsoft, which allows you to develop browser-based applications using C# and Razor syntax alongside HTML and CSS.
# [[Website Rendering Types]] (Static, Dynamic, Incremetal) : démonstration de [https://nextjs.org/ NextJS]
# [[MemSQL]]
# [[Micronaut]] : Microservice platform ([https://dzone.com/articles/how-to-use-jhipster-to-build-a-secure-micronaut-an démo] avec [https://github.com/jhipster/generator-jhipster-micronaut Micronaut blueprint of JHipster])
# [[OpenAI GPT-3]]
# [[OpenAI Microscope]]
# [[GraalVM]] : Polyglot Virtual Machine
# [[Ballerina]] : open source programming language and platform for cloud-era application programmers to easily write software that just works
# [[Quarkus]] : Supersonic Subatomic Java
# [[Helidon]] : collection of Java libraries for writing microservices.
# [[Flux]] (#fluxlang) new data scripting language to make querying and analyzing time series
# [[Processeurs spécialisés pour l'IA]] : Démonstration avec la carte [https://greenwaves-technologies.com/product/gappoc-a-computer-vision-concept-board/ GAPPoc-A] de GreenWaves. ANNULé
# [[NATS]]: PubSub broker (démonstration avec CampusIoT)
# [[QuestDB]] : time-series database (démostration avec CampusIoT).
# [[Apache Arrow]] : cross-language development platform for in-memory data
# In-memory Distributed Data Grid : démonstration de eCom avec [[Apache Ignite]].
# [[jQAssistant]] : application à eCOM
# [[Apache Pulsar]] Pulsar is a multi-tenant, high-performance solution for server-to-server messaging. Pulsar was originally developed by Yahoo.
# [[Godot Game Engine]]
# [[Apache Pinot]] : realtime distributed OLAP datastore
# [[IoT Dataflow Mashup]] (démo avec [[Eclipse Kura Wires]])
# [[JSONnet]]
# [[Géo-réplication]] : Démo avec [[Apache Kafka MirrorMaker]]
# [[Pulsar]]
# [[Wookey project]] (Demo on a STM32F407 Discovery board) ANNULé
# [[RSocket]]
# [[Nacos]] : open source project by Alibaba for service discovery and service configuration.
# [[NEMU]] : open source hypervisor specifically built and designed to run modern cloud workloads on modern 64-bit Intel and ARM CPUs.
# [[Architecture Serverless]] : démonstration avec le projet https://github.com/serverless/serverless sur votre compte Azure de votre compte GitHub Student Pack ANNULé
# [[Fission]] : open-source serverless function framework for [[Kubernetes]] with a focus on developer productivity and high performance.
# [[Peloton]], a unified resource scheduler
# [[Microclimate]]
# [[AdTech]]
# [[Nearby communications]] (démonstration de [https://ionicframework.com/docs/native/google-nearby/ Nearby Messages API de Google avec Ionic]) --> Réservé Manon Chaix
# [[Conflict-free replicated data type]] (CRDT) RECOMMANDé
# [[Spinnaker]]
# [[WebAssembly]]
# [[Fast Identity Online Alliance]] (FIDO) ANNULé
# [[Apache MXNet]] : Demo avec [[Intel Movidius]] ([https://github.com/tspannhw/rpi-mxnet-movidius-minifi lien]) ANNULé
# [[DevSecOps]]
# [[Apache Beam]] RECOMMANDé
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[ESB]] : démonstration de [[Mule ESB]]
# [[MemCached]]
# [[Low-Power Global Area Network]]s ([[Sat-IoT]])
# [[ Voice-First Development]] : Designing, Developing, and Deploying Conversational Interfaces
# [[Psychométrie]]
# [[WebAssembly]]
# [[DevSecOps]]
# Portails et l'API [[Portlet]] : Démo avec [[Liferay]] ANNULé
# [[Apache Beam]]
# [[plateforme logicielle open source de conduite autonome Apollo 2.0]]
# [[Flogo]] Open Source Framework for IoT Edge Apps & Integration.
# [[Neural Processing Unit]] (NPU) : Demo de la clé [[Intel Movidius]] sur un RPI
# [[Hazelcast]] : Démo avec Spring Boot ([https://dzone.com/storage/assets/6459742-dzone-rc247-gettingstartedwithspringbootandmicrose.pdf lien]) dans un projet [[JHipster]]
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# [[Fautes Byzantines]] : Démonstration de [[BFT-SMaRt]]
# Insport Video
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[Performance Monitoring]]
# [[ESB]] : démonstration de [[Mule ESB]] ANNULé
# [[Access Network Query Protocol (ANQP)]]
# [[JCache]] : démonstration avec [[Apache Ignity]]
# [[MemCached]]
# [[Apache Stratos]]
# [[gceasy]] : Universal garbage collection log Analyser
# [[Apache Solr]] : Démonstration avec [http://hortonworks.com/hadoop-tutorial/indexing-and-searching-text-within-images-with-apache-solr/ Tesseract OCR]
# [[Valgrind]]
# [[Content Delivery Network]]s : Démonstration de [[Amazon S3]], Azure, Akamaï ... sur votre projet [[ECOM-RICM|eCOM]]
# [[CMS]] : Demo avec [[Crafter CMS]]
# [[DMS]] (GED) : Demo avec la version Community Edition d'[[Alfresco]] et de son API REST avec [[Swagger]] ANNULé
# [[SIG]] : Démonstration de [[QGIS]]
# [[Apache Airflow]] ANNULé
# [[Cryptojacking]] : démonstration d'un navigateur exécutant [https://github.com/cazala/coin-hive CoinHive] et affichage du coup énergétique de l'opération.
# [[RIOT-OS]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte STM32 Nucleo LRWAN1). ANNULé
# [[Zephyr]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte [[Intel Quark D2000]]). ANNULé
# [[HTTP/3]] : quoi de neuf ? Démonstration de l'amélioration des performances.
# [[Gyro]] : domain-specific language designed to concisely describe a cloud infrastructure. Démonstration avec votre application eCOM JHipster sur Azure.
# [[Deepfake Algorithms]] et outils.
# [[Amazon Sidewalk]]
# Interfaces Homme-Machine sans contact (sous réserve de démonstrateur)
# Interfaces Homme-Machine haptiques (sous réserve de démonstrateur)
# Algorithmes et systèmes de vote électronique : vices et vertus.
# [[Normes et systèmes de signature électronique]]
# Database as a Microservice : [[HarperDB]]
# [[Web of Things (WoT)]]

File:VT2020-Deepfake Algorithms-Presentation.pdf

2021-01-04T12:37:35Z

Louis.De-Gaudenzi:

VT2020-Deepfake Algorithms-Demo

2021-01-04T12:20:12Z

Louis.De-Gaudenzi: /* Téléchargement de DeepFaceLab */

Cette démonstration est effectuée à l'aide de [https://github.com/iperov/DeepFaceLab DeepFaceLab].

Le but de cette démonstration est de générer un deepfake avec mon visage remplaçant celui de Elon Musk.

== Téléchargement de DeepFaceLab ==

Le téléchargement de DeepFaceLab se fait sur la [https://github.com/iperov/DeepFaceLab page GitHub de DeepFaceLab].

Après avoir téléchargé le programme et l'avoir décompressé sur notre machine, on trouve les fichiers ci-dessous :

[[File:DeepFaceLab0.png|frameless|border|Le contenu du répertoire de l'application]]

Le dossier ''workspace'' contient ces fichiers :

[[File:DeepFaceLab1.png|frameless|border|Le contenu du répertoire ''workspace'']]

* ''data_src.mp4'' est la vidéo source. Cette vidéo doit contenir le visage de la personne qu'on souhaite copier. Plus la vidéo contient de mimiques différentes et variées de la personne, plus le résultat sera réaliste, mais l'apprentissage sera aussi plus long.
* ''data_dst.mp4'' est la vidéo destination. Cette vidéo doit contenir le visage de la personne sur qui on souhaite coller le visage source.
* ''data_src'', ''data_dst'' et ''model'' nous serviront par la suite.

Dans mon cas, j'ai remplacé la vidéo source présente de base, qui contenait Robert Downey Jr., par une vidéo de moi d'environ deux minutes. Dans cette vidéo, il est préférable de montrer le plus grand nombre de mimiques possibles, de parler, de tourner la tête dans plusieurs directions, afin de montrer son visage sous tous les aspects possibles, afin que le programme ait beaucoup de matière pour apprendre à générer notre visage.

== Étapes ==

=== Nettoyer l'espace de travail (optionnel) ===

Si ce n'est pas la première fois que vous utilisez le programme, il faut nettoyer l'espace de travail.

Pour cela, on exécute le fichier ''1) clear workspace.bat''.

=== Extraire les images de la vidéo source ===

Lors de cette étape, on va extraire un certain nombre d'images à intervalles réguliers dans notre vidéo source, pour ensuite les sauvegarder dans le répertoire ''data_src''.

Pour cela, on exécute le fichier ''2) extract images from video data_src.bat''.

=== Extraire les images de la vidéo destination ===

Cette étape va permettre d'extraire chaque image de la vidéo destination, pour les sauvegarder dans le répertoire ''data_dst''.

Pour cela, on exécute le fichier ''3) extract images from video data_dst FULL FPS.bat''.

=== Extraire les visages des images de la vidéo source ===

Maintenant qu'on a une liste d'images qui proviennent de la vidéo source, nous allons faire appel à de la reconnaissance faciale, pour ne garder que les parties des images sources qui nous intéressent. Les visages seront stockés dans ''data_src/aligned''.

Pour cela, on exécute le fichier ''4) data_src faceset extract.bat''.

[[File:DeepFaceLab2.png|frameless|border|Une partie de la longue liste de visage dans la vidéo source]]

=== Extraire les visages des images de la vidéo destination ===

Le but de cette étape est comme la précédente, mais pour les images de la vidéo destination. Les visages seront stockés dans ''data_dst/aligned''.

Pour cela, on exécute le fichier ''5) data_dst faceset extract.bat''.

[[File:DeepFaceLab3.png|frameless|border|Une partie de la longue liste de visage dans la vidéo destination]]

=== Lancer la phase d'apprentissage de l'IA ===

On veut maintenant que l'IA apprenne à générer ces visages. Pour cela, nous allons créer un nouveau modèle d'apprentissage afin qu'elle puisse apprendre leur génération en partant de zéro.

Pour cela, on exécute le fichier ''6) train SAEHD.bat''. Cette étape est gourmande en ressources pour la carte graphique. On peut laisser cette étape durer aussi longtemps qu'on veut, mais plus on attendra, et plus le résultat sera précis et réaliste.

[[File:DeepFaceLab4.png|frameless|border|L'interface de la phase d'apprentissage]]

À noter également qu'il est possible et même recommandé d'utiliser un modèle déjà existant. Ces modèles peuvent être trouvés sur des forums dédiés par exemple.

=== Fusionner la vidéo destination avec les visages générés par l'IA ===

Le programme arrive à coller un visage source sur la destination de manière assez précise, mais il faut qu'on règle quelques options, comme le mode de mélange de couleurs, le flou des bords du visage généré, la netteté du résultat, etc.

Pour cela, on exécute le fichier ''7) merge SAEHD.bat''.

[[File:DeepFaceLab5.png|frameless|border|L'interface de la phase de fusion]]

On appuie sur la touche Tab pour afficher/cacher le menu d'aide qui montre les commandes. Quand on a fini les modifications, il suffit d'appuyer sur Échap pour quitter le script et appliquer les changements.

=== Produire le deepfake ===

Le programme est maintenant prêt à produire le résultat tant attendu.

Pour cela, on exécute le fichier ''8) merged to mp4.bat''.

== Résultat ==

Le résultat produit par cette démonstration est visionnable [https://www.youtube.com/watch?v=prSnHWG6d-4 ici].

== VT2020 ==

* Année : [[VT2020]]
* Sujet : Deepfake Algorithms
* Fiche : [[VT2020-Deepfake_Algorithms-Fiche|VT2020 - Deepfake Algorithms - Fiche]]
* Auteurs : Louis De Gaudenzi

VT2020-Deepfake Algorithms-Fiche

2021-01-04T00:58:21Z

Louis.De-Gaudenzi:

== Deepfake ==

[[File:Deepfake_example.gif|thumb|313px|Un exemple de deepfake. Dans cette scène de Man of Steel, le visage d’Amy Adams (à gauche) est remplacé par celui de Nicolas Cage (à droite).]]

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

== Fonctionnement ==

=== Auto-encodeur ===

Les programmes comme FaceSwap et DeepFaceLab utilisent, pour générer des deepfakes, un réseau de neurones nommé [https://fr.wikipedia.org/wiki/Auto-encodeur auto-encodeur]. Le principe d'un auto-encodeur est, à partir de données sources, d'encoder ces données et de les décoder. Pendant la phase de décodage, le programme apprend comment générer ce type de données, afin que les données en sortie ressemblent le plus possible à la source.

Dans le cas d'un logiciel de deepfake, nos données sources sont les images de la personne dont on souhaite copier le visage, et le programme va donc apprendre à le générer pendant la phase de décodage. FaceSwap et DeepFaceLab améliorent cette phase en ajoutant un réseau antagoniste génératif dans leur architecture.

=== Réseau antagoniste génératif ===

[[File:Thispersondoesnotexist.png|200px|thumb|Image générée par un réseau antagoniste génératif StyleGAN2, sur le site https://thispersondoesnotexist.com/.]]

Un [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs réseau antagoniste génératif] (en anglais ''generative adversarial network'' ou ''GAN'') oppose un générateur à un discriminateur. Celui-ci compare les données en sortie du générateur à des vraies données qu'il a à sa disposition. Si les données en sortie du générateur sont trop différentes des vraies données, le discriminateur va informer le générateur afin que celui-ci génère de nouvelles données de plus en plus proches de ce qu'on souhaite, jusqu'à ce que le discriminateur n'arrive plus à faire la différence entre de vraies données et des données générées.

Dans le cas de FaceSwap et DeepFaceLab, la phase de décodage de l'auto-encodeur est le générateur du réseau antagoniste génératif. Ce générateur va produire en sortie des visages qui ressemblent à la personne en entrée, et le discriminateur va l'informer s'il arrive à distinguer entre les images générées et les vraies images de cette personne.

== D'autres types d'utilisation ==

La fondation [https://teamgleason.org/ Team Gleason], qui fournit de la technologie, de l’équipement et des services aux personnes atteintes de [https://fr.wikipedia.org/wiki/Scl%C3%A9rose_lat%C3%A9rale_amyotrophique sclérose latérale amyotrophique], travaille actuellement sur un moyen de synthétiser la voix de patients pour que ceux-ci, même après avoir perdu la capacité à parler, peuvent quand même s’exprimer avec leur voix.

[[File:Pacman_bandai_small.gif|thumb|La version de Pac-Man recréée par [https://nv-tlabs.github.io/gameGAN/ GameGAN].]]

Concernant le domaine des jeux vidéo, les chercheurs Nvidia, en 2020, ont fait visionner 50 000 parties du jeu Pac-Man à leur réseau neuronal, un réseau antagoniste génératif nommé [https://nv-tlabs.github.io/gameGAN/ GameGAN]. À l’aide des images du jeu et les touches rentrées par le joueur, GameGAN a pu recréer Pac-Man sans moteur de jeu, en partant de zéro.

== Démonstration ==

Une démonstration est disponible [[VT2020-Deepfake Algorithms-Demo|ici]].

== Sources ==

# [https://www.kdnuggets.com/2018/03/exploring-deepfakes.html Exploring Deepfakes]
# [https://towardsdatascience.com/positive-use-cases-of-deepfakes-49f510056387 Positive Use Cases of Deepfakes. Technology is an excellent enabler and… | by Ashish Jaiman | Towards Data Science]
# [https://blogs.nvidia.com/blog/2020/05/22/gamegan-research-pacman-anniversary/ PAC-MAN Recreated with AI by NVIDIA Researchers | NVIDIA Blog]
# [https://nv-tlabs.github.io/gameGAN/ GameGAN]
# [https://www.ionos.fr/digitalguide/web-marketing/les-media-sociaux/deepfakes/ Deepfakes - IONOS]
# [https://github.com/deepfakes/faceswap GitHub - deepfakes/faceswap: Deepfakes Software For All]
# [https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes.]
# [https://thispersondoesnotexist.com/ This Person Does Not Exist]
# [https://en.wikipedia.org/wiki/Deepfake Deepfake - Wikipedia]
# [https://fr.wikipedia.org/wiki/Deepfake Deepfake - Wikipédia]
# [https://en.wikipedia.org/wiki/Generative_adversarial_network Generative adversarial network - Wikipedia]
# [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Réseaux antagonistes génératifs - Wikipédia]
# [https://en.wikipedia.org/wiki/Autoencoder Autoencoder - Wikipedia]
# [https://fr.wikipedia.org/wiki/Auto-encodeur Auto-encodeur - Wikipédia]
# [https://www.youtube.com/watch?v=4JNBDwd40is Don't Trust ANYTHING You See - Deepfakes Explained - YouTube]
# [https://www.youtube.com/watch?v=t59gRbpYMiY DEEPFAKE Tutorial: A Beginners Guide (using DeepFace Lab) - YouTube]

== VT2020 ==

* Année : [[VT2020]]
* Sujet : Deepfake Algorithms
* Slides : [[File:VT2020-Deepfake_Algorithms-Presentation.pdf]]
* Auteurs : Louis De Gaudenzi

File:Pacman bandai small.gif

2021-01-04T00:51:31Z

Louis.De-Gaudenzi:

VT2020-Deepfake Algorithms-Fiche

2021-01-03T23:51:00Z

Louis.De-Gaudenzi: /* VT2020 */

== Deepfake ==

[[File:Deepfake_example.gif|thumb|313px|Un exemple de deepfake. Dans cette scène de Man of Steel, le visage d’Amy Adams (à gauche) est remplacé par celui de Nicolas Cage (à droite).]]

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

== Fonctionnement ==

=== Auto-encodeur ===

Les programmes comme FaceSwap et DeepFaceLab utilisent, pour générer des deepfakes, un réseau de neurones nommé [https://fr.wikipedia.org/wiki/Auto-encodeur auto-encodeur]. Le principe d'un auto-encodeur est, à partir de données sources, d'encoder ces données et de les décoder. Pendant la phase de décodage, le programme apprend comment générer ce type de données, afin que les données en sortie ressemblent le plus possible à la source.

Dans le cas d'un logiciel de deepfake, nos données sources sont les images de la personne dont on souhaite copier le visage, et le programme va donc apprendre à le générer pendant la phase de décodage. FaceSwap et DeepFaceLab améliorent cette phase en ajoutant un réseau antagoniste génératif dans leur architecture.

=== Réseau antagoniste génératif ===

[[File:Thispersondoesnotexist.png|200px|thumb|Image générée par un réseau antagoniste génératif StyleGAN2, sur le site https://thispersondoesnotexist.com/.]]

Un [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs réseau antagoniste génératif] (en anglais ''generative adversarial network'' ou ''GAN'') oppose un générateur à un discriminateur. Celui-ci compare les données en sortie du générateur à des vraies données qu'il a à sa disposition. Si les données en sortie du générateur sont trop différentes des vraies données, le discriminateur va informer le générateur afin que celui-ci génère de nouvelles données de plus en plus proches de ce qu'on souhaite, jusqu'à ce que le discriminateur n'arrive plus à faire la différence entre de vraies données et des données générées.

Dans le cas de FaceSwap et DeepFaceLab, la phase de décodage de l'auto-encodeur est le générateur du réseau antagoniste génératif. Ce générateur va produire en sortie des visages qui ressemblent à la personne en entrée, et le discriminateur va l'informer s'il arrive à distinguer entre les images générées et les vraies images de cette personne.

== D'autres types d'utilisation ==

== Combattre l'utilisation malicieuse ==

== Démonstration ==

Une démonstration est disponible [[VT2020-Deepfake Algorithms-Demo|ici]].

== Sources ==

# [https://www.kdnuggets.com/2018/03/exploring-deepfakes.html Exploring Deepfakes]
# [https://www.ionos.fr/digitalguide/web-marketing/les-media-sociaux/deepfakes/ Deepfakes - IONOS]
# [https://github.com/deepfakes/faceswap GitHub - deepfakes/faceswap: Deepfakes Software For All]
# [https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes.]
# [https://thispersondoesnotexist.com/ This Person Does Not Exist]
# [https://en.wikipedia.org/wiki/Deepfake Deepfake - Wikipedia]
# [https://fr.wikipedia.org/wiki/Deepfake Deepfake - Wikipédia]
# [https://en.wikipedia.org/wiki/Generative_adversarial_network Generative adversarial network - Wikipedia]
# [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Réseaux antagonistes génératifs - Wikipédia]
# [https://en.wikipedia.org/wiki/Autoencoder Autoencoder - Wikipedia]
# [https://fr.wikipedia.org/wiki/Auto-encodeur Auto-encodeur - Wikipédia]
# [https://www.youtube.com/watch?v=4JNBDwd40is Don't Trust ANYTHING You See - Deepfakes Explained - YouTube]
# [https://www.youtube.com/watch?v=t59gRbpYMiY DEEPFAKE Tutorial: A Beginners Guide (using DeepFace Lab) - YouTube]

== VT2020 ==

* Année : [[VT2020]]
* Sujet : Deepfake Algorithms
* Slides : [[File:VT2020-Deepfake_Algorithms-Presentation.pdf]]
* Auteurs : Louis De Gaudenzi

VT2020

2021-01-03T23:48:39Z

Louis.De-Gaudenzi:

[[VT2019|<< Etudes 2019]] [[VT|Sommaire]] [[VT2021|Etudes 2021 >>]]

=Veille Technologique et Stratégique=
* Enseignants: [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]
* UE/Module: EAM (HPRJ9R6B) et EAR (HPRJ9R4B) en 1FO5

L'objectif de cette UE est de réaliser un travail de synthèse et d’évaluation sur une technologie / spécification / tendance

Dans votre futur vie d'ingénieur, vous aurez à d'une part, vous former par vous-même sur une technologie émergente et d'autre part à réaliser une veille technologique (et stratégique) par rapport à votre entreprise et projet.
Il s'agira de réaliser
* le positionnement par rapport au marché
* d'être critique

Votre synthèse fait l'objet d'une présentation orale convaincante devant un auditoire (dans le futur, vos collègues, vos chefs ou vos clients) avec des transparents et un discours répété.
Pour finir de convaincre (Saint Thomas), vous ferez la présentation d'une démonstration.

Votre présentation sera notée et commentée par tous vos camarades via un sondage (téléphone mobile). Leurs notes et leurs commentaires seront notés en fonction de leur exactitude de jugement.

Remarque: Le [https://fr.wikipedia.org/wiki/Plagiat plagiat] est incompatible avec l'éthique de l'ingénieur. Le directeur d'école peut demander votre traduction devant la commission disciplinaire de l'université. La sanction peut aller jusqu’à une interdiction d'inscription dans les établissements de l'enseignement supérieur français pendant plusieurs années : Le jeu en vaut-il la chandelle ?

La présentation peut être réalisée avec [[reveal.js]] ou avec [[remarkjs]]

[[File:presentation-VT-RICM5-1516.pdf|transparents d'introduction à l'UE]]

=Planning=

== Séance 1 : 16/11 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 5, 8, 23, 78

* 16H00 : Alexandra CHATON, Jsonnet, [[VT2020-Jsonnet-Fiche|Fiche]], [[Media:VT2020-Jsonnet-Presentation.pdf|Présentation]], [[VT2020-Jsonnet-Demo|Démonstration]]
* 16H25 : Alexis ROLLIN, GraalVM, [[VT2020-GraalVM-Fiche|Fiche]], [[Media:VT2020-GraalVM-Presentation.pdf|Présentation]], [[VT2020-GraalVM-Demo|Démonstration]]
* 16H50 : Aleck BILOUNGA, Micronaut, [[VT2020-Micronaut-Fiche|Fiche]], [[https://docs.google.com/presentation/d/1oVq_81RwLelY1EptNoObHhmRRfGnfuxBD6PRd49jyjI/edit#slide=id.p Présentation]], [[https://youtu.be/gu7H4kbeA_Y Démonstration]]
* 17H15 : Prénom NOM, Cryptojacking, [[VT2020-Cryptojacking-Fiche|Fiche]], [[File:VT2020-Cryptojacking-Presentation.pdf|Présentation]], [[VT2020-Cryptojacking-Demo|Démonstration]]

== Séance 2 : 23/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 9, 33, 49, 72, 81

* 16H00 : Myriam LOMBARD, Microclimate, [[VT2020-Microclimate-Fiche|Fiche]], [[Media:VT2020-Microclimate-Presentation.pdf|Présentation]], [[VT2020-Microclimate-Demo|Démonstration]]
* 16H25 : Samuel COURTHIAL, Voice-First Development, [[VT2020-Voice_First_Development-Fiche|Fiche]], [[Media:VT2020-Voice_First_Development-Presentation.pdf|Présentation]], [[VT2020-Voice_First_Development-Demo|Démonstration]]
* 16H50 : Thomas FRION, Valgrind, [[VT2020-Valgrind-Fiche|Fiche]], [[Media:VT2020-Valgrind-Presentation.pdf|Présentation]], [[VT2020-Valgrind-Demo|Démonstration]]
* 17H15 : Nhat Quang HO, HTTP/3, [[VT2020-Http3-Fiche|Fiche]], [[Media:VT2020-Http3-Presentation.pdf|Présentation]], [[VT2020-Http3-Demo|Démonstration]]
* 17H40 : Romain PASDELOUP, Ballerina, [[VT2020-Ballerina-Fiche|Fiche]], [[Media:VT2020-Ballerina-Presentation.pdf|Présentation]], [[VT2020-Ballerina-Demo|Démonstration]]

== Séance 3 : 30/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 2, 3, 10, 11, 38

* 16H00 : EL AJI Houda, Blazor, [[VT2020-Blazor-Fiche|Fiche]], [[Media:VT2020-Blazor-Presentation.pdf|Présentation]], [[VT2020-Blazor-Demo|Démonstration]]
* 16H25 : Vernet Maxime, Website Rendering Types, [[VT2020-XXXXXX-Fiche|Fiche]], [[Media:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Pareilleux Killian, Quarkus, [[VT2020-Quarkus-Fiche|Fiche]], [[Media:VT2020-Quarkus-Presentation.pdf|Présentation]], [[VT2020-Quarkus-Demo|Démonstration]]
* 17H15 : ZERAMDINI Otba, Helidon, [[VT2020-Helidon-Fiche|Fiche]], [[Media:VT2020-Helidon-Presentation.pdf|Présentation]], [[VT2020-Helidon-Demo|Démonstration]]
* 17H40 : Crociati Morgan, WebAssembly, [[VT2020-WebAssembly-Fiche|Fiche]], [[Media:VT2020-WebAssembly-Presentation.pdf|Présentation]], [[VT2020-WebAssembly-Demo|Démonstration]]

== Séance 4 : 7/12 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 4, 15, 16, 19, 21

* 16H00 : NGUENA Gloria, MemSQL, [[VT2020-MemSQL-Fiche|Fiche]], [[Media:VT2020-MemSQL-Presentation.pdf|Présentation]], [[VT2020-MemSQL-Demo|Démonstration]]
* 16H25 : Graugnard Tom, QuestDB, [[VT2020-QuestDB-Fiche|Fiche]], [[Media:VT2020-QuestDB-Presentation.pdf|Présentation]], [[VT2020-QuestDB-Demo|Démonstration]]
* 16H50 : Delbos Robin, Apache Arrow, [[VT2020-Apache Arrow-Fiche|Fiche]], [[Media:Présentation_Apache_Arrow.pdf|Présentation]], [[VT2020-Apache Arrow-Demo|Démonstration]]
* 17H15 : El Mufti Ali, Apache Pulsar, [[VT2020-Apache Pulsar-Fiche|Fiche]], [[File:VT2020-Pulsar-Presentation.pdf|Présentation]], [[VT2020-Pulsar-Demo|Démonstration]]
* 17H40 : RUZAFA Rémy, Apache Pinot, [[VT2020-AppachePinot-Fiche|Fiche]], [[Media:VT2020-AppachePinot-Présentaion.pdf|Présentation]], [[VT2020-AppachePinot-Demo|Démonstration]]

== Séance 5 : 14/12 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 22, 48, 55, 56, 84

* 16H00 : Sajide Idriss, IoT Dataflow Mashup, [[Eclipse_Kura_Wires|Fiche]], [[Media:IoT Dataflow Mashup.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Chaix Manon, Nearby Communication, [[VT2020 - Nearby Communications Fiche|Fiche]], [[Media:VT_Nearby.pdf|Présentation]], [[VT2020-NearbyComm-Demo|Démonstration]]
* 16H50 : Palomo Rémy, Apollo 2.0, [[VT2020-Plateforme Apollo-Fiche|Fiche]], [[Media:VT2020-Apollo-Presentation.pdf|Présentation]], [[VT2020-Apollo-Demo|Démonstration]]
* 17H15 : Nelson William, Flogo, [[VT2020-Flogo-Fiche|Fiche]], [[File:Project_Flogo.pdf|Présentation]], [[VT2020_-_Flogo_Demo|Démonstration]]
* 17H40 : Fougere Sebastian, Amazon Sidewalk, [[VT2020-Amazon-Sidewalk-Fiche|Fiche]], [[Media:VT2020-Amazon-sidewalk-presentation.pdf|Présentation]], [[VT2020-WebThings-Framework-Demo|Démonstration]]

== Séance 6 : 4/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 6, 7, 20, 50, 83

* 16H00 : Boleat Baptiste, OpenAI GPT-3, [[VT2020-OpenAI GPT-3-Fiche|Fiche]], [https://baptboleat.github.io/gpt3-presentation/ Présentation], [[VT2020-GPT-3-Demo|Démonstration]]
* 16H25 : Beaugrand Elisa, OpenAI Microscope, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Artaud Adrien, Godot, [[VT2020-Godot-Fiche|Fiche]], [[Media:VT2020-Godot-Presentation.pdf|Présentation]], [[VT2020-Godot-Demo|Démonstration]]
* 17H15 : ASSI Dima, Psychométrie, [[VT2020_Psychometrie_Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : De Gaudenzi Louis, Deepfake Algorithms, [[VT2020-Deepfake Algorithms-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-Deepfake_Algorithms-Demo|Démonstration]]

== Séance 7 : 11/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 1, 32, 41, 60, XXXX

* 16H00 : Rival Gaëtan, Matrix, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : El Jraidi Rim, Peloton, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Michelard Leila, DevSecOps, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Salmon Alexandre, BFT, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

== Séance 8 : Asynchrone ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : TBC

* 16H00 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

=Sujets=
# [[Matrix]] : An open network for secure, decentralized communication
# [[Blazor]] (Browser+Razor) : a new web development framework introduced by Microsoft, which allows you to develop browser-based applications using C# and Razor syntax alongside HTML and CSS.
# [[Website Rendering Types]] (Static, Dynamic, Incremetal) : démonstration de [https://nextjs.org/ NextJS]
# [[MemSQL]]
# [[Micronaut]] : Microservice platform ([https://dzone.com/articles/how-to-use-jhipster-to-build-a-secure-micronaut-an démo] avec [https://github.com/jhipster/generator-jhipster-micronaut Micronaut blueprint of JHipster])
# [[OpenAI GPT-3]]
# [[OpenAI Microscope]]
# [[GraalVM]] : Polyglot Virtual Machine
# [[Ballerina]] : open source programming language and platform for cloud-era application programmers to easily write software that just works
# [[Quarkus]] : Supersonic Subatomic Java
# [[Helidon]] : collection of Java libraries for writing microservices.
# [[Flux]] (#fluxlang) new data scripting language to make querying and analyzing time series
# [[Processeurs spécialisés pour l'IA]] : Démonstration avec la carte [https://greenwaves-technologies.com/product/gappoc-a-computer-vision-concept-board/ GAPPoc-A] de GreenWaves. ANNULé
# [[NATS]]: PubSub broker (démonstration avec CampusIoT)
# [[QuestDB]] : time-series database (démostration avec CampusIoT).
# [[Apache Arrow]] : cross-language development platform for in-memory data
# In-memory Distributed Data Grid : démonstration de eCom avec [[Apache Ignite]].
# [[jQAssistant]] : application à eCOM
# [[Apache Pulsar]] Pulsar is a multi-tenant, high-performance solution for server-to-server messaging. Pulsar was originally developed by Yahoo.
# [[Godot Game Engine]]
# [[Apache Pinot]] : realtime distributed OLAP datastore
# [[IoT Dataflow Mashup]] (démo avec [[Eclipse Kura Wires]])
# [[JSONnet]]
# [[Géo-réplication]] : Démo avec [[Apache Kafka MirrorMaker]]
# [[Pulsar]]
# [[Wookey project]] (Demo on a STM32F407 Discovery board) ANNULé
# [[RSocket]]
# [[Nacos]] : open source project by Alibaba for service discovery and service configuration.
# [[NEMU]] : open source hypervisor specifically built and designed to run modern cloud workloads on modern 64-bit Intel and ARM CPUs.
# [[Architecture Serverless]] : démonstration avec le projet https://github.com/serverless/serverless sur votre compte Azure de votre compte GitHub Student Pack ANNULé
# [[Fission]] : open-source serverless function framework for [[Kubernetes]] with a focus on developer productivity and high performance.
# [[Peloton]], a unified resource scheduler
# [[Microclimate]]
# [[AdTech]]
# [[Nearby communications]] (démonstration de [https://ionicframework.com/docs/native/google-nearby/ Nearby Messages API de Google avec Ionic]) --> Réservé Manon Chaix
# [[Conflict-free replicated data type]] (CRDT) RECOMMANDé
# [[Spinnaker]]
# [[WebAssembly]]
# [[Fast Identity Online Alliance]] (FIDO) ANNULé
# [[Apache MXNet]] : Demo avec [[Intel Movidius]] ([https://github.com/tspannhw/rpi-mxnet-movidius-minifi lien]) ANNULé
# [[DevSecOps]]
# [[Apache Beam]] RECOMMANDé
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[ESB]] : démonstration de [[Mule ESB]]
# [[MemCached]]
# [[Low-Power Global Area Network]]s ([[Sat-IoT]])
# [[ Voice-First Development]] : Designing, Developing, and Deploying Conversational Interfaces
# [[Psychométrie]]
# [[WebAssembly]]
# [[DevSecOps]]
# Portails et l'API [[Portlet]] : Démo avec [[Liferay]] ANNULé
# [[Apache Beam]]
# [[plateforme logicielle open source de conduite autonome Apollo 2.0]]
# [[Flogo]] Open Source Framework for IoT Edge Apps & Integration.
# [[Neural Processing Unit]] (NPU) : Demo de la clé [[Intel Movidius]] sur un RPI
# [[Hazelcast]] : Démo avec Spring Boot ([https://dzone.com/storage/assets/6459742-dzone-rc247-gettingstartedwithspringbootandmicrose.pdf lien]) dans un projet [[JHipster]]
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# [[Fautes Byzantines]] : Démonstration de [[BFT-SMaRt]]
# Insport Video
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[Performance Monitoring]]
# [[ESB]] : démonstration de [[Mule ESB]] ANNULé
# [[Access Network Query Protocol (ANQP)]]
# [[JCache]] : démonstration avec [[Apache Ignity]]
# [[MemCached]]
# [[Apache Stratos]]
# [[gceasy]] : Universal garbage collection log Analyser
# [[Apache Solr]] : Démonstration avec [http://hortonworks.com/hadoop-tutorial/indexing-and-searching-text-within-images-with-apache-solr/ Tesseract OCR]
# [[Valgrind]]
# [[Content Delivery Network]]s : Démonstration de [[Amazon S3]], Azure, Akamaï ... sur votre projet [[ECOM-RICM|eCOM]]
# [[CMS]] : Demo avec [[Crafter CMS]]
# [[DMS]] (GED) : Demo avec la version Community Edition d'[[Alfresco]] et de son API REST avec [[Swagger]] ANNULé
# [[SIG]] : Démonstration de [[QGIS]]
# [[Apache Airflow]] ANNULé
# [[Cryptojacking]] : démonstration d'un navigateur exécutant [https://github.com/cazala/coin-hive CoinHive] et affichage du coup énergétique de l'opération.
# [[RIOT-OS]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte STM32 Nucleo LRWAN1). ANNULé
# [[Zephyr]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte [[Intel Quark D2000]]). ANNULé
# [[HTTP/3]] : quoi de neuf ? Démonstration de l'amélioration des performances.
# [[Gyro]] : domain-specific language designed to concisely describe a cloud infrastructure. Démonstration avec votre application eCOM JHipster sur Azure.
# [[Deepfake Algorithms]] et outils.
# [[Amazon Sidewalk]]
# Interfaces Homme-Machine sans contact (sous réserve de démonstrateur)
# Interfaces Homme-Machine haptiques (sous réserve de démonstrateur)
# Algorithmes et systèmes de vote électronique : vices et vertus.
# [[Normes et systèmes de signature électronique]]
# Database as a Microservice : [[HarperDB]]
# [[Web of Things (WoT)]]

VT2020-Deepfake Algorithms-Demo

2021-01-03T23:47:44Z

Louis.De-Gaudenzi:

Cette démonstration est effectuée à l'aide de [https://github.com/iperov/DeepFaceLab DeepFaceLab].

Le but de cette démonstration est de générer un deepfake avec mon visage remplaçant celui de Elon Musk.

== Téléchargement de DeepFaceLab ==

Le téléchargement de DeepFaceLab se fait sur la [https://github.com/iperov/DeepFaceLab page GitHub de DeepFaceLab].

Après avoir téléchargé le programme et l'avoir décompressé sur notre machine, on trouve les fichiers ci-dessous :

[[File:DeepFaceLab0.png|frameless|border|Le contenu du répertoire de l'application]]

Le dossier ''workspace'' contient ces fichiers :

[[File:DeepFaceLab1.png|frameless|border|Le contenu du répertoire ''workspace'']]

* ''data_src.mp4'' est la vidéo source. Cette vidéo doit contenir le visage de la personne qu'on souhaite copier. Plus la vidéo contient de mimiques différentes et variées de la personne, plus le résultat sera réaliste, mais l'apprentissage sera aussi plus long.
* ''data_dest.mp4'' est la vidéo destination. Cette vidéo doit contenir le visage de la personne sur qui on souhaite coller le visage source.
* ''data_src'', ''data_dst'' et ''model'' nous serviront par la suite.

Dans mon cas, j'ai remplacé la vidéo source présente de base, qui contenait Robert Downey Jr., par une vidéo de moi d'environ deux minutes. Dans cette vidéo, il est préférable de montrer le plus grand nombre de mimiques possibles, de parler, de tourner la tête dans plusieurs directions, afin de montrer son visage sous tous les aspects possibles, afin que le programme ait beaucoup de matière pour apprendre à générer notre visage.

== Étapes ==

=== Nettoyer l'espace de travail (optionnel) ===

Si ce n'est pas la première fois que vous utilisez le programme, il faut nettoyer l'espace de travail.

Pour cela, on exécute le fichier ''1) clear workspace.bat''.

=== Extraire les images de la vidéo source ===

Lors de cette étape, on va extraire un certain nombre d'images à intervalles réguliers dans notre vidéo source, pour ensuite les sauvegarder dans le répertoire ''data_src''.

Pour cela, on exécute le fichier ''2) extract images from video data_src.bat''.

=== Extraire les images de la vidéo destination ===

Cette étape va permettre d'extraire chaque image de la vidéo destination, pour les sauvegarder dans le répertoire ''data_dst''.

Pour cela, on exécute le fichier ''3) extract images from video data_dst FULL FPS.bat''.

=== Extraire les visages des images de la vidéo source ===

Maintenant qu'on a une liste d'images qui proviennent de la vidéo source, nous allons faire appel à de la reconnaissance faciale, pour ne garder que les parties des images sources qui nous intéressent. Les visages seront stockés dans ''data_src/aligned''.

Pour cela, on exécute le fichier ''4) data_src faceset extract.bat''.

[[File:DeepFaceLab2.png|frameless|border|Une partie de la longue liste de visage dans la vidéo source]]

=== Extraire les visages des images de la vidéo destination ===

Le but de cette étape est comme la précédente, mais pour les images de la vidéo destination. Les visages seront stockés dans ''data_dst/aligned''.

Pour cela, on exécute le fichier ''5) data_dst faceset extract.bat''.

[[File:DeepFaceLab3.png|frameless|border|Une partie de la longue liste de visage dans la vidéo destination]]

=== Lancer la phase d'apprentissage de l'IA ===

On veut maintenant que l'IA apprenne à générer ces visages. Pour cela, nous allons créer un nouveau modèle d'apprentissage afin qu'elle puisse apprendre leur génération en partant de zéro.

Pour cela, on exécute le fichier ''6) train SAEHD.bat''. Cette étape est gourmande en ressources pour la carte graphique. On peut laisser cette étape durer aussi longtemps qu'on veut, mais plus on attendra, et plus le résultat sera précis et réaliste.

[[File:DeepFaceLab4.png|frameless|border|L'interface de la phase d'apprentissage]]

À noter également qu'il est possible et même recommandé d'utiliser un modèle déjà existant. Ces modèles peuvent être trouvés sur des forums dédiés par exemple.

=== Fusionner la vidéo destination avec les visages générés par l'IA ===

Le programme arrive à coller un visage source sur la destination de manière assez précise, mais il faut qu'on règle quelques options, comme le mode de mélange de couleurs, le flou des bords du visage généré, la netteté du résultat, etc.

Pour cela, on exécute le fichier ''7) merge SAEHD.bat''.

[[File:DeepFaceLab5.png|frameless|border|L'interface de la phase de fusion]]

On appuie sur la touche Tab pour afficher/cacher le menu d'aide qui montre les commandes. Quand on a fini les modifications, il suffit d'appuyer sur Échap pour quitter le script et appliquer les changements.

=== Produire le deepfake ===

Le programme est maintenant prêt à produire le résultat tant attendu.

Pour cela, on exécute le fichier ''8) merged to mp4.bat''.

== Résultat ==

Le résultat produit par cette démonstration est visionnable [https://www.youtube.com/watch?v=prSnHWG6d-4 ici].

== VT2020 ==

* Année : [[VT2020]]
* Sujet : Deepfake Algorithms
* Fiche : [[VT2020-Deepfake_Algorithms-Fiche|VT2020 - Deepfake Algorithms - Fiche]]
* Auteurs : Louis De Gaudenzi

VT2020-Deepfake Algorithms-Demo

2021-01-03T23:43:35Z

Louis.De-Gaudenzi: /* Lancer la phase d'apprentissage de l'IA */

Cette démonstration est effectuée à l'aide de [https://github.com/iperov/DeepFaceLab DeepFaceLab].

Le but de cette démonstration est de générer un deepfake avec mon visage remplaçant celui de Elon Musk.

== Téléchargement de DeepFaceLab ==

Le téléchargement de DeepFaceLab se fait sur la [https://github.com/iperov/DeepFaceLab page GitHub de DeepFaceLab].

Après avoir téléchargé le programme et l'avoir décompressé sur notre machine, on trouve les fichiers ci-dessous :

[[File:DeepFaceLab0.png|frameless|border|Le contenu du répertoire de l'application]]

Le dossier ''workspace'' contient ces fichiers :

[[File:DeepFaceLab1.png|frameless|border|Le contenu du répertoire ''workspace'']]

* ''data_src.mp4'' est la vidéo source. Cette vidéo doit contenir le visage de la personne qu'on souhaite copier. Plus la vidéo contient de mimiques différentes et variées de la personne, plus le résultat sera réaliste, mais l'apprentissage sera aussi plus long.
* ''data_dest.mp4'' est la vidéo destination. Cette vidéo doit contenir le visage de la personne sur qui on souhaite coller le visage source.
* ''data_src'', ''data_dst'' et ''model'' nous serviront par la suite.

Dans mon cas, j'ai remplacé la vidéo source présente de base, qui contenait Robert Downey Jr., par une vidéo de moi d'environ deux minutes. Dans cette vidéo, il est préférable de montrer le plus grand nombre de mimiques possibles, de parler, de tourner la tête dans plusieurs directions, afin de montrer son visage sous tous les aspects possibles, afin que le programme ait beaucoup de matière pour apprendre à générer notre visage.

== Étapes ==

=== Nettoyer l'espace de travail (optionnel) ===

Si ce n'est pas la première fois que vous utilisez le programme, il faut nettoyer l'espace de travail.

Pour cela, on exécute le fichier ''1) clear workspace.bat''.

=== Extraire les images de la vidéo source ===

Lors de cette étape, on va extraire un certain nombre d'images à intervalles réguliers dans notre vidéo source, pour ensuite les sauvegarder dans le répertoire ''data_src''.

Pour cela, on exécute le fichier ''2) extract images from video data_src.bat''.

=== Extraire les images de la vidéo destination ===

Cette étape va permettre d'extraire chaque image de la vidéo destination, pour les sauvegarder dans le répertoire ''data_dst''.

Pour cela, on exécute le fichier ''3) extract images from video data_dst FULL FPS.bat''.

=== Extraire les visages des images de la vidéo source ===

Maintenant qu'on a une liste d'images qui proviennent de la vidéo source, nous allons faire appel à de la reconnaissance faciale, pour ne garder que les parties des images sources qui nous intéressent. Les visages seront stockés dans ''data_src/aligned''.

Pour cela, on exécute le fichier ''4) data_src faceset extract.bat''.

[[File:DeepFaceLab2.png|frameless|border|Une partie de la longue liste de visage dans la vidéo source]]

=== Extraire les visages des images de la vidéo destination ===

Le but de cette étape est comme la précédente, mais pour les images de la vidéo destination. Les visages seront stockés dans ''data_dst/aligned''.

Pour cela, on exécute le fichier ''5) data_dst faceset extract.bat''.

[[File:DeepFaceLab3.png|frameless|border|Une partie de la longue liste de visage dans la vidéo destination]]

=== Lancer la phase d'apprentissage de l'IA ===

On veut maintenant que l'IA apprenne à générer ces visages. Pour cela, nous allons créer un nouveau modèle d'apprentissage afin qu'elle puisse apprendre leur génération en partant de zéro.

Pour cela, on exécute le fichier ''6) train SAEHD.bat''. Cette étape est gourmande en ressources pour la carte graphique. On peut laisser cette étape durer aussi longtemps qu'on veut, mais plus on attendra, et plus le résultat sera précis et réaliste.

[[File:DeepFaceLab4.png|frameless|border|L'interface de la phase d'apprentissage]]

À noter également qu'il est possible et même recommandé d'utiliser un modèle déjà existant. Ces modèles peuvent être trouvés sur des forums dédiés par exemple.

=== Fusionner la vidéo destination avec les visages générés par l'IA ===

Le programme arrive à coller un visage source sur la destination de manière assez précise, mais il faut qu'on règle quelques options, comme le mode de mélange de couleurs, le flou des bords du visage généré, la netteté du résultat, etc.

Pour cela, on exécute le fichier ''7) merge SAEHD.bat''.

[[File:DeepFaceLab5.png|frameless|border|L'interface de la phase de fusion]]

On appuie sur la touche Tab pour afficher/cacher le menu d'aide qui montre les commandes. Quand on a fini les modifications, il suffit d'appuyer sur Échap pour quitter le script et appliquer les changements.

=== Produire le deepfake ===

Le programme est maintenant prêt à produire le résultat tant attendu.

Pour cela, on exécute le fichier ''8) merged to mp4.bat''.

== Résultat ==

Le résultat produit par cette démonstration est visionnable [https://www.youtube.com/watch?v=prSnHWG6d-4 ici].

VT2020-Deepfake Algorithms-Demo

2021-01-03T23:42:57Z

Louis.De-Gaudenzi:

Cette démonstration est effectuée à l'aide de [https://github.com/iperov/DeepFaceLab DeepFaceLab].

Le but de cette démonstration est de générer un deepfake avec mon visage remplaçant celui de Elon Musk.

== Téléchargement de DeepFaceLab ==

Le téléchargement de DeepFaceLab se fait sur la [https://github.com/iperov/DeepFaceLab page GitHub de DeepFaceLab].

Après avoir téléchargé le programme et l'avoir décompressé sur notre machine, on trouve les fichiers ci-dessous :

[[File:DeepFaceLab0.png|frameless|border|Le contenu du répertoire de l'application]]

Le dossier ''workspace'' contient ces fichiers :

[[File:DeepFaceLab1.png|frameless|border|Le contenu du répertoire ''workspace'']]

* ''data_src.mp4'' est la vidéo source. Cette vidéo doit contenir le visage de la personne qu'on souhaite copier. Plus la vidéo contient de mimiques différentes et variées de la personne, plus le résultat sera réaliste, mais l'apprentissage sera aussi plus long.
* ''data_dest.mp4'' est la vidéo destination. Cette vidéo doit contenir le visage de la personne sur qui on souhaite coller le visage source.
* ''data_src'', ''data_dst'' et ''model'' nous serviront par la suite.

Dans mon cas, j'ai remplacé la vidéo source présente de base, qui contenait Robert Downey Jr., par une vidéo de moi d'environ deux minutes. Dans cette vidéo, il est préférable de montrer le plus grand nombre de mimiques possibles, de parler, de tourner la tête dans plusieurs directions, afin de montrer son visage sous tous les aspects possibles, afin que le programme ait beaucoup de matière pour apprendre à générer notre visage.

== Étapes ==

=== Nettoyer l'espace de travail (optionnel) ===

Si ce n'est pas la première fois que vous utilisez le programme, il faut nettoyer l'espace de travail.

Pour cela, on exécute le fichier ''1) clear workspace.bat''.

=== Extraire les images de la vidéo source ===

Lors de cette étape, on va extraire un certain nombre d'images à intervalles réguliers dans notre vidéo source, pour ensuite les sauvegarder dans le répertoire ''data_src''.

Pour cela, on exécute le fichier ''2) extract images from video data_src.bat''.

=== Extraire les images de la vidéo destination ===

Cette étape va permettre d'extraire chaque image de la vidéo destination, pour les sauvegarder dans le répertoire ''data_dst''.

Pour cela, on exécute le fichier ''3) extract images from video data_dst FULL FPS.bat''.

=== Extraire les visages des images de la vidéo source ===

Maintenant qu'on a une liste d'images qui proviennent de la vidéo source, nous allons faire appel à de la reconnaissance faciale, pour ne garder que les parties des images sources qui nous intéressent. Les visages seront stockés dans ''data_src/aligned''.

Pour cela, on exécute le fichier ''4) data_src faceset extract.bat''.

[[File:DeepFaceLab2.png|frameless|border|Une partie de la longue liste de visage dans la vidéo source]]

=== Extraire les visages des images de la vidéo destination ===

Le but de cette étape est comme la précédente, mais pour les images de la vidéo destination. Les visages seront stockés dans ''data_dst/aligned''.

Pour cela, on exécute le fichier ''5) data_dst faceset extract.bat''.

[[File:DeepFaceLab3.png|frameless|border|Une partie de la longue liste de visage dans la vidéo destination]]

=== Lancer la phase d'apprentissage de l'IA ===

On veut maintenant que l'IA apprenne à générer ces visages. Pour cela, nous allons créer un nouveau modèle d'apprentissage afin qu'elle puisse apprendre leur génération en partant de zéro.

Pour cela, on exécute le fichier ''6) train SAEHD.bat''. Cette étape est gourmande en ressources pour la carte graphique. On peut laisser cette étape durer aussi longtemps qu'on veut, mais plus on attendra, et plus le résultat sera précis et réaliste.

[[File:DeepFaceLab4.png|frameless|border|L'interface de la phase d'apprentissage]]

À noter également qu'il est possible et même recommandé d'utiliser un modèle déjà existant. Ces modèles peuvent être trouvés sur des forums dédiés, comme [https://mrdeepfakes.com/forums/forum-trained-models ici] par exemple.

=== Fusionner la vidéo destination avec les visages générés par l'IA ===

Le programme arrive à coller un visage source sur la destination de manière assez précise, mais il faut qu'on règle quelques options, comme le mode de mélange de couleurs, le flou des bords du visage généré, la netteté du résultat, etc.

Pour cela, on exécute le fichier ''7) merge SAEHD.bat''.

[[File:DeepFaceLab5.png|frameless|border|L'interface de la phase de fusion]]

On appuie sur la touche Tab pour afficher/cacher le menu d'aide qui montre les commandes. Quand on a fini les modifications, il suffit d'appuyer sur Échap pour quitter le script et appliquer les changements.

=== Produire le deepfake ===

Le programme est maintenant prêt à produire le résultat tant attendu.

Pour cela, on exécute le fichier ''8) merged to mp4.bat''.

== Résultat ==

Le résultat produit par cette démonstration est visionnable [https://www.youtube.com/watch?v=prSnHWG6d-4 ici].

VT2020-Deepfake Algorithms-Demo

2021-01-03T23:37:42Z

Louis.De-Gaudenzi:

Cette démonstration est effectuée à l'aide de [https://github.com/iperov/DeepFaceLab DeepFaceLab].

Le but de cette démonstration est de générer un deepfake avec mon visage remplaçant celui de Elon Musk.

== Téléchargement de DeepFaceLab ==

Le téléchargement de DeepFaceLab se fait sur la [https://github.com/iperov/DeepFaceLab page GitHub de DeepFaceLab].

Après avoir téléchargé le programme et l'avoir décompressé sur notre machine, on trouve les fichiers ci-dessous :

[[File:DeepFaceLab0.png|frameless|border|Le contenu du répertoire de l'application]]

Le dossier ''workspace'' contient ces fichiers :

[[File:DeepFaceLab1.png|frameless|border|Le contenu du répertoire ''workspace'']]

* ''data_src.mp4'' est la vidéo source. Cette vidéo doit contenir le visage de la personne qu'on souhaite copier. Plus la vidéo contient de mimiques différentes et variées de la personne, plus le résultat sera réaliste, mais l'apprentissage sera aussi plus long.
* ''data_dest.mp4'' est la vidéo destination. Cette vidéo doit contenir le visage de la personne sur qui on souhaite coller le visage source.
* ''data_src'', ''data_dst'' et ''model'' nous serviront par la suite.

Dans mon cas, j'ai remplacé la vidéo source présente de base, qui contenait Robert Downey Jr., par une vidéo de moi d'environ deux minutes. Dans cette vidéo, il est préférable de montrer le plus grand nombre de mimiques possibles, de parler, de tourner la tête dans plusieurs directions, afin de montrer son visage sous tous les aspects possibles, afin que le programme ait beaucoup de matière pour apprendre à générer notre visage.

== Étapes ==

=== Nettoyer l'espace de travail (optionnel) ===

Si ce n'est pas la première fois que vous utilisez le programme, il faut nettoyer l'espace de travail.

Pour cela, on exécute le fichier ''1) clear workspace.bat''.

=== Extraire les images de la vidéo source ===

Lors de cette étape, on va extraire un certain nombre d'images à intervalles réguliers dans notre vidéo source, pour ensuite les sauvegarder dans le répertoire ''data_src''.

Pour cela, on exécute le fichier ''2) extract images from video data_src.bat''.

=== Extraire les images de la vidéo destination ===

Cette étape va permettre d'extraire chaque image de la vidéo destination, pour les sauvegarder dans le répertoire ''data_dst''.

Pour cela, on exécute le fichier ''3) extract images from video data_dst FULL FPS.bat''.

=== Extraire les visages des images de la vidéo source ===

Maintenant qu'on a une liste d'images qui proviennent de la vidéo source, nous allons faire appel à de la reconnaissance faciale, pour ne garder que les parties des images sources qui nous intéressent. Les visages seront stockés dans ''data_src/aligned''.

Pour cela, on exécute le fichier ''4) data_src faceset extract.bat''.

[[File:DeepFaceLab2.png|frameless|border|Une partie de la longue liste de visage dans la vidéo source]]

=== Extraire les visages des images de la vidéo destination ===

Le but de cette étape est comme la précédente, mais pour les images de la vidéo destination. Les visages seront stockés dans ''data_dst/aligned''.

Pour cela, on exécute le fichier ''5) data_dst faceset extract.bat''.

[[File:DeepFaceLab3.png|frameless|border|Une partie de la longue liste de visage dans la vidéo destination]]

=== Lancer la phase d'apprentissage de l'IA ===

On veut maintenant que l'IA apprenne à générer ces visages. Pour cela, nous allons créer un nouveau modèle d'apprentissage afin qu'elle puisse apprendre leur génération en partant de zéro.

Pour cela, on exécute le fichier ''6) train SAEHD.bat''. Cette étape est gourmande en ressources pour la carte graphique. On peut laisser cette étape durer aussi longtemps qu'on veut, mais plus on attendra, et plus le résultat sera précis et réaliste.

[[File:DeepFaceLab4.png|frameless|border|L'interface de la phase d'apprentissage]]

À noter également qu'il est possible et même recommandé d'utiliser un modèle déjà existant. Ces modèles peuvent être trouvés sur des forums dédiés par exemple.

=== Fusionner la vidéo destination avec les visages générés par l'IA ===

Le programme arrive à coller un visage source sur la destination de manière assez précise, mais il faut qu'on règle quelques options, comme le mode de mélange de couleurs, le flou des bords du visage généré, la netteté du résultat, etc.

Pour cela, on exécute le fichier ''7) merge SAEHD.bat''.

[[File:DeepFaceLab5.png|frameless|border|L'interface de la phase de fusion]]

On appuie sur la touche Tab pour afficher/cacher le menu d'aide qui montre les commandes. Quand on a fini les modifications, il suffit d'appuyer sur Échap pour quitter le script et appliquer les changements.

=== Produire le deepfake ===

Le programme est maintenant prêt à produire le résultat tant attendu.

Pour cela, on exécute le fichier ''8) merged to mp4.bat''.

== Résultat ==

Le résultat produit par cette démonstration est visionnable [https://www.youtube.com/watch?v=prSnHWG6d-4 ici].

File:DeepFaceLab5.png

2021-01-03T23:29:53Z

Louis.De-Gaudenzi:

File:DeepFaceLab4.png

2021-01-03T23:17:17Z

Louis.De-Gaudenzi:

File:DeepFaceLab3.png

2021-01-03T22:58:44Z

Louis.De-Gaudenzi:

File:DeepFaceLab2.png

2021-01-03T22:58:32Z

Louis.De-Gaudenzi:

File:DeepFaceLab1.png

2021-01-03T21:56:18Z

Louis.De-Gaudenzi:

File:DeepFaceLab0.png

2021-01-03T21:49:08Z

Louis.De-Gaudenzi:

VT2020

2021-01-03T21:43:08Z

Louis.De-Gaudenzi:

[[VT2019|<< Etudes 2019]] [[VT|Sommaire]] [[VT2021|Etudes 2021 >>]]

=Veille Technologique et Stratégique=
* Enseignants: [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]
* UE/Module: EAM (HPRJ9R6B) et EAR (HPRJ9R4B) en 1FO5

L'objectif de cette UE est de réaliser un travail de synthèse et d’évaluation sur une technologie / spécification / tendance

Dans votre futur vie d'ingénieur, vous aurez à d'une part, vous former par vous-même sur une technologie émergente et d'autre part à réaliser une veille technologique (et stratégique) par rapport à votre entreprise et projet.
Il s'agira de réaliser
* le positionnement par rapport au marché
* d'être critique

Votre synthèse fait l'objet d'une présentation orale convaincante devant un auditoire (dans le futur, vos collègues, vos chefs ou vos clients) avec des transparents et un discours répété.
Pour finir de convaincre (Saint Thomas), vous ferez la présentation d'une démonstration.

Votre présentation sera notée et commentée par tous vos camarades via un sondage (téléphone mobile). Leurs notes et leurs commentaires seront notés en fonction de leur exactitude de jugement.

Remarque: Le [https://fr.wikipedia.org/wiki/Plagiat plagiat] est incompatible avec l'éthique de l'ingénieur. Le directeur d'école peut demander votre traduction devant la commission disciplinaire de l'université. La sanction peut aller jusqu’à une interdiction d'inscription dans les établissements de l'enseignement supérieur français pendant plusieurs années : Le jeu en vaut-il la chandelle ?

La présentation peut être réalisée avec [[reveal.js]] ou avec [[remarkjs]]

[[File:presentation-VT-RICM5-1516.pdf|transparents d'introduction à l'UE]]

=Planning=

== Séance 1 : 16/11 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 5, 8, 23, 78

* 16H00 : Alexandra CHATON, Jsonnet, [[VT2020-Jsonnet-Fiche|Fiche]], [[Media:VT2020-Jsonnet-Presentation.pdf|Présentation]], [[VT2020-Jsonnet-Demo|Démonstration]]
* 16H25 : Alexis ROLLIN, GraalVM, [[VT2020-GraalVM-Fiche|Fiche]], [[Media:VT2020-GraalVM-Presentation.pdf|Présentation]], [[VT2020-GraalVM-Demo|Démonstration]]
* 16H50 : Aleck BILOUNGA, Micronaut, [[VT2020-Micronaut-Fiche|Fiche]], [[https://docs.google.com/presentation/d/1oVq_81RwLelY1EptNoObHhmRRfGnfuxBD6PRd49jyjI/edit#slide=id.p Présentation]], [[https://youtu.be/gu7H4kbeA_Y Démonstration]]
* 17H15 : Prénom NOM, Cryptojacking, [[VT2020-Cryptojacking-Fiche|Fiche]], [[File:VT2020-Cryptojacking-Presentation.pdf|Présentation]], [[VT2020-Cryptojacking-Demo|Démonstration]]

== Séance 2 : 23/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 9, 33, 49, 72, 81

* 16H00 : Myriam LOMBARD, Microclimate, [[VT2020-Microclimate-Fiche|Fiche]], [[Media:VT2020-Microclimate-Presentation.pdf|Présentation]], [[VT2020-Microclimate-Demo|Démonstration]]
* 16H25 : Samuel COURTHIAL, Voice-First Development, [[VT2020-Voice_First_Development-Fiche|Fiche]], [[Media:VT2020-Voice_First_Development-Presentation.pdf|Présentation]], [[VT2020-Voice_First_Development-Demo|Démonstration]]
* 16H50 : Thomas FRION, Valgrind, [[VT2020-Valgrind-Fiche|Fiche]], [[Media:VT2020-Valgrind-Presentation.pdf|Présentation]], [[VT2020-Valgrind-Demo|Démonstration]]
* 17H15 : Nhat Quang HO, HTTP/3, [[VT2020-Http3-Fiche|Fiche]], [[Media:VT2020-Http3-Presentation.pdf|Présentation]], [[VT2020-Http3-Demo|Démonstration]]
* 17H40 : Romain PASDELOUP, Ballerina, [[VT2020-Ballerina-Fiche|Fiche]], [[Media:VT2020-Ballerina-Presentation.pdf|Présentation]], [[VT2020-Ballerina-Demo|Démonstration]]

== Séance 3 : 30/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 2, 3, 10, 11, 38

* 16H00 : EL AJI Houda, Blazor, [[VT2020-Blazor-Fiche|Fiche]], [[Media:VT2020-Blazor-Presentation.pdf|Présentation]], [[VT2020-Blazor-Demo|Démonstration]]
* 16H25 : Vernet Maxime, Website Rendering Types, [[VT2020-XXXXXX-Fiche|Fiche]], [[Media:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Pareilleux Killian, Quarkus, [[VT2020-Quarkus-Fiche|Fiche]], [[Media:VT2020-Quarkus-Presentation.pdf|Présentation]], [[VT2020-Quarkus-Demo|Démonstration]]
* 17H15 : ZERAMDINI Otba, Helidon, [[VT2020-Helidon-Fiche|Fiche]], [[Media:VT2020-Helidon-Presentation.pdf|Présentation]], [[VT2020-Helidon-Demo|Démonstration]]
* 17H40 : Crociati Morgan, WebAssembly, [[VT2020-WebAssembly-Fiche|Fiche]], [[Media:VT2020-WebAssembly-Presentation.pdf|Présentation]], [[VT2020-WebAssembly-Demo|Démonstration]]

== Séance 4 : 7/12 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 4, 15, 16, 19, 21

* 16H00 : NGUENA Gloria, MemSQL, [[VT2020-MemSQL-Fiche|Fiche]], [[Media:VT2020-MemSQL-Presentation.pdf|Présentation]], [[VT2020-MemSQL-Demo|Démonstration]]
* 16H25 : Graugnard Tom, QuestDB, [[VT2020-QuestDB-Fiche|Fiche]], [[Media:VT2020-QuestDB-Presentation.pdf|Présentation]], [[VT2020-QuestDB-Demo|Démonstration]]
* 16H50 : Delbos Robin, Apache Arrow, [[VT2020-Apache Arrow-Fiche|Fiche]], [[Media:Présentation_Apache_Arrow.pdf|Présentation]], [[VT2020-Apache Arrow-Demo|Démonstration]]
* 17H15 : El Mufti Ali, Apache Pulsar, [[VT2020-Apache Pulsar-Fiche|Fiche]], [[File:VT2020-Pulsar-Presentation.pdf|Présentation]], [[VT2020-Pulsar-Demo|Démonstration]]
* 17H40 : RUZAFA Rémy, Apache Pinot, [[VT2020-AppachePinot-Fiche|Fiche]], [[Media:VT2020-AppachePinot-Présentaion.pdf|Présentation]], [[VT2020-AppachePinot-Demo|Démonstration]]

== Séance 5 : 14/12 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 22, 48, 55, 56, 84

* 16H00 : Sajide Idriss, IoT Dataflow Mashup, [[Eclipse_Kura_Wires|Fiche]], [[Media:IoT Dataflow Mashup.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Chaix Manon, Nearby Communication, [[VT2020 - Nearby Communications Fiche|Fiche]], [[Media:VT_Nearby.pdf|Présentation]], [[VT2020-NearbyComm-Demo|Démonstration]]
* 16H50 : Palomo Rémy, Apollo 2.0, [[VT2020-Plateforme Apollo-Fiche|Fiche]], [[Media:VT2020-Apollo-Presentation.pdf|Présentation]], [[VT2020-Apollo-Demo|Démonstration]]
* 17H15 : Nelson William, Flogo, [[VT2020-Flogo-Fiche|Fiche]], [[File:Project_Flogo.pdf|Présentation]], [[VT2020_-_Flogo_Demo|Démonstration]]
* 17H40 : Fougere Sebastian, Amazon Sidewalk, [[VT2020-Amazon-Sidewalk-Fiche|Fiche]], [[Media:VT2020-Amazon-sidewalk-presentation.pdf|Présentation]], [[VT2020-WebThings-Framework-Demo|Démonstration]]

== Séance 6 : 4/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 6, 7, 20, 50, 83

* 16H00 : Boleat Baptiste, OpenAI GPT-3, [[VT2020-OpenAI GPT-3-Fiche|Fiche]], [https://baptboleat.github.io/gpt3-presentation/ Présentation], [[VT2020-GPT-3-Demo|Démonstration]]
* 16H25 : Beaugrand Elisa, OpenAI Microscope, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Artaud Adrien, Godot, [[VT2020-Godot-Fiche|Fiche]], [[Media:VT2020-Godot-Presentation.pdf|Présentation]], [[VT2020-Godot-Demo|Démonstration]]
* 17H15 : ASSI Dima, Psychométrie, [[VT2020_Psychometrie_Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : De Gaudenzi Louis, Deepfake Algorithms, [[VT2020-Deepfake Algorithms-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

== Séance 7 : 11/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 1, 32, 41, 60, XXXX

* 16H00 : Rival Gaëtan, Matrix, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : El Jraidi Rim, Peloton, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Michelard Leila, DevSecOps, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Salmon Alexandre, BFT, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

== Séance 8 : Asynchrone ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : TBC

* 16H00 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

=Sujets=
# [[Matrix]] : An open network for secure, decentralized communication
# [[Blazor]] (Browser+Razor) : a new web development framework introduced by Microsoft, which allows you to develop browser-based applications using C# and Razor syntax alongside HTML and CSS.
# [[Website Rendering Types]] (Static, Dynamic, Incremetal) : démonstration de [https://nextjs.org/ NextJS]
# [[MemSQL]]
# [[Micronaut]] : Microservice platform ([https://dzone.com/articles/how-to-use-jhipster-to-build-a-secure-micronaut-an démo] avec [https://github.com/jhipster/generator-jhipster-micronaut Micronaut blueprint of JHipster])
# [[OpenAI GPT-3]]
# [[OpenAI Microscope]]
# [[GraalVM]] : Polyglot Virtual Machine
# [[Ballerina]] : open source programming language and platform for cloud-era application programmers to easily write software that just works
# [[Quarkus]] : Supersonic Subatomic Java
# [[Helidon]] : collection of Java libraries for writing microservices.
# [[Flux]] (#fluxlang) new data scripting language to make querying and analyzing time series
# [[Processeurs spécialisés pour l'IA]] : Démonstration avec la carte [https://greenwaves-technologies.com/product/gappoc-a-computer-vision-concept-board/ GAPPoc-A] de GreenWaves. ANNULé
# [[NATS]]: PubSub broker (démonstration avec CampusIoT)
# [[QuestDB]] : time-series database (démostration avec CampusIoT).
# [[Apache Arrow]] : cross-language development platform for in-memory data
# In-memory Distributed Data Grid : démonstration de eCom avec [[Apache Ignite]].
# [[jQAssistant]] : application à eCOM
# [[Apache Pulsar]] Pulsar is a multi-tenant, high-performance solution for server-to-server messaging. Pulsar was originally developed by Yahoo.
# [[Godot Game Engine]]
# [[Apache Pinot]] : realtime distributed OLAP datastore
# [[IoT Dataflow Mashup]] (démo avec [[Eclipse Kura Wires]])
# [[JSONnet]]
# [[Géo-réplication]] : Démo avec [[Apache Kafka MirrorMaker]]
# [[Pulsar]]
# [[Wookey project]] (Demo on a STM32F407 Discovery board) ANNULé
# [[RSocket]]
# [[Nacos]] : open source project by Alibaba for service discovery and service configuration.
# [[NEMU]] : open source hypervisor specifically built and designed to run modern cloud workloads on modern 64-bit Intel and ARM CPUs.
# [[Architecture Serverless]] : démonstration avec le projet https://github.com/serverless/serverless sur votre compte Azure de votre compte GitHub Student Pack ANNULé
# [[Fission]] : open-source serverless function framework for [[Kubernetes]] with a focus on developer productivity and high performance.
# [[Peloton]], a unified resource scheduler
# [[Microclimate]]
# [[AdTech]]
# [[Nearby communications]] (démonstration de [https://ionicframework.com/docs/native/google-nearby/ Nearby Messages API de Google avec Ionic]) --> Réservé Manon Chaix
# [[Conflict-free replicated data type]] (CRDT) RECOMMANDé
# [[Spinnaker]]
# [[WebAssembly]]
# [[Fast Identity Online Alliance]] (FIDO) ANNULé
# [[Apache MXNet]] : Demo avec [[Intel Movidius]] ([https://github.com/tspannhw/rpi-mxnet-movidius-minifi lien]) ANNULé
# [[DevSecOps]]
# [[Apache Beam]] RECOMMANDé
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[ESB]] : démonstration de [[Mule ESB]]
# [[MemCached]]
# [[Low-Power Global Area Network]]s ([[Sat-IoT]])
# [[ Voice-First Development]] : Designing, Developing, and Deploying Conversational Interfaces
# [[Psychométrie]]
# [[WebAssembly]]
# [[DevSecOps]]
# Portails et l'API [[Portlet]] : Démo avec [[Liferay]] ANNULé
# [[Apache Beam]]
# [[plateforme logicielle open source de conduite autonome Apollo 2.0]]
# [[Flogo]] Open Source Framework for IoT Edge Apps & Integration.
# [[Neural Processing Unit]] (NPU) : Demo de la clé [[Intel Movidius]] sur un RPI
# [[Hazelcast]] : Démo avec Spring Boot ([https://dzone.com/storage/assets/6459742-dzone-rc247-gettingstartedwithspringbootandmicrose.pdf lien]) dans un projet [[JHipster]]
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# [[Fautes Byzantines]] : Démonstration de [[BFT-SMaRt]]
# Insport Video
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[Performance Monitoring]]
# [[ESB]] : démonstration de [[Mule ESB]] ANNULé
# [[Access Network Query Protocol (ANQP)]]
# [[JCache]] : démonstration avec [[Apache Ignity]]
# [[MemCached]]
# [[Apache Stratos]]
# [[gceasy]] : Universal garbage collection log Analyser
# [[Apache Solr]] : Démonstration avec [http://hortonworks.com/hadoop-tutorial/indexing-and-searching-text-within-images-with-apache-solr/ Tesseract OCR]
# [[Valgrind]]
# [[Content Delivery Network]]s : Démonstration de [[Amazon S3]], Azure, Akamaï ... sur votre projet [[ECOM-RICM|eCOM]]
# [[CMS]] : Demo avec [[Crafter CMS]]
# [[DMS]] (GED) : Demo avec la version Community Edition d'[[Alfresco]] et de son API REST avec [[Swagger]] ANNULé
# [[SIG]] : Démonstration de [[QGIS]]
# [[Apache Airflow]] ANNULé
# [[Cryptojacking]] : démonstration d'un navigateur exécutant [https://github.com/cazala/coin-hive CoinHive] et affichage du coup énergétique de l'opération.
# [[RIOT-OS]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte STM32 Nucleo LRWAN1). ANNULé
# [[Zephyr]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte [[Intel Quark D2000]]). ANNULé
# [[HTTP/3]] : quoi de neuf ? Démonstration de l'amélioration des performances.
# [[Gyro]] : domain-specific language designed to concisely describe a cloud infrastructure. Démonstration avec votre application eCOM JHipster sur Azure.
# [[Deepfake Algorithms]] et outils.
# [[Amazon Sidewalk]]
# Interfaces Homme-Machine sans contact (sous réserve de démonstrateur)
# Interfaces Homme-Machine haptiques (sous réserve de démonstrateur)
# Algorithmes et systèmes de vote électronique : vices et vertus.
# [[Normes et systèmes de signature électronique]]
# Database as a Microservice : [[HarperDB]]
# [[Web of Things (WoT)]]

VT2020 Deepfake Algorithms Fiche

2021-01-03T21:42:25Z

Louis.De-Gaudenzi: Louis.De-Gaudenzi moved page VT2020 Deepfake Algorithms Fiche to VT2020-Deepfake Algorithms-Fiche

#REDIRECT [[VT2020-Deepfake Algorithms-Fiche]]

VT2020-Deepfake Algorithms-Fiche

2021-01-03T21:42:24Z

Louis.De-Gaudenzi: Louis.De-Gaudenzi moved page VT2020 Deepfake Algorithms Fiche to VT2020-Deepfake Algorithms-Fiche

== Deepfake ==

[[File:Deepfake_example.gif|thumb|313px|Un exemple de deepfake. Dans cette scène de Man of Steel, le visage d’Amy Adams (à gauche) est remplacé par celui de Nicolas Cage (à droite).]]

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

== Fonctionnement ==

=== Auto-encodeur ===

Les programmes comme FaceSwap et DeepFaceLab utilisent, pour générer des deepfakes, un réseau de neurones nommé [https://fr.wikipedia.org/wiki/Auto-encodeur auto-encodeur]. Le principe d'un auto-encodeur est, à partir de données sources, d'encoder ces données et de les décoder. Pendant la phase de décodage, le programme apprend comment générer ce type de données, afin que les données en sortie ressemblent le plus possible à la source.

Dans le cas d'un logiciel de deepfake, nos données sources sont les images de la personne dont on souhaite copier le visage, et le programme va donc apprendre à le générer pendant la phase de décodage. FaceSwap et DeepFaceLab améliorent cette phase en ajoutant un réseau antagoniste génératif dans leur architecture.

=== Réseau antagoniste génératif ===

[[File:Thispersondoesnotexist.png|200px|thumb|Image générée par un réseau antagoniste génératif StyleGAN2, sur le site https://thispersondoesnotexist.com/.]]

Un [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs réseau antagoniste génératif] (en anglais ''generative adversarial network'' ou ''GAN'') oppose un générateur à un discriminateur. Celui-ci compare les données en sortie du générateur à des vraies données qu'il a à sa disposition. Si les données en sortie du générateur sont trop différentes des vraies données, le discriminateur va informer le générateur afin que celui-ci génère de nouvelles données de plus en plus proches de ce qu'on souhaite, jusqu'à ce que le discriminateur n'arrive plus à faire la différence entre de vraies données et des données générées.

Dans le cas de FaceSwap et DeepFaceLab, la phase de décodage de l'auto-encodeur est le générateur du réseau antagoniste génératif. Ce générateur va produire en sortie des visages qui ressemblent à la personne en entrée, et le discriminateur va l'informer s'il arrive à distinguer entre les images générées et les vraies images de cette personne.

== D'autres types d'utilisation ==

== Combattre l'utilisation malicieuse ==

== Démonstration ==

Une démonstration est disponible [[VT2020-Deepfake Algorithms-Demo|ici]].

== Sources ==

# [https://www.kdnuggets.com/2018/03/exploring-deepfakes.html Exploring Deepfakes]
# [https://www.ionos.fr/digitalguide/web-marketing/les-media-sociaux/deepfakes/ Deepfakes - IONOS]
# [https://github.com/deepfakes/faceswap GitHub - deepfakes/faceswap: Deepfakes Software For All]
# [https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes.]
# [https://thispersondoesnotexist.com/ This Person Does Not Exist]
# [https://en.wikipedia.org/wiki/Deepfake Deepfake - Wikipedia]
# [https://fr.wikipedia.org/wiki/Deepfake Deepfake - Wikipédia]
# [https://en.wikipedia.org/wiki/Generative_adversarial_network Generative adversarial network - Wikipedia]
# [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Réseaux antagonistes génératifs - Wikipédia]
# [https://en.wikipedia.org/wiki/Autoencoder Autoencoder - Wikipedia]
# [https://fr.wikipedia.org/wiki/Auto-encodeur Auto-encodeur - Wikipédia]
# [https://www.youtube.com/watch?v=4JNBDwd40is Don't Trust ANYTHING You See - Deepfakes Explained - YouTube]
# [https://www.youtube.com/watch?v=t59gRbpYMiY DEEPFAKE Tutorial: A Beginners Guide (using DeepFace Lab) - YouTube]

== VT2020 ==

* Année : [[VT2020]]
* Sujet : Deepfake Algorithms
* Slides : [slides]
* Auteurs : Louis De Gaudenzi

VT2020-Deepfake Algorithms-Fiche

2021-01-03T21:41:58Z

Louis.De-Gaudenzi:

== Deepfake ==

[[File:Deepfake_example.gif|thumb|313px|Un exemple de deepfake. Dans cette scène de Man of Steel, le visage d’Amy Adams (à gauche) est remplacé par celui de Nicolas Cage (à droite).]]

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

== Fonctionnement ==

=== Auto-encodeur ===

Les programmes comme FaceSwap et DeepFaceLab utilisent, pour générer des deepfakes, un réseau de neurones nommé [https://fr.wikipedia.org/wiki/Auto-encodeur auto-encodeur]. Le principe d'un auto-encodeur est, à partir de données sources, d'encoder ces données et de les décoder. Pendant la phase de décodage, le programme apprend comment générer ce type de données, afin que les données en sortie ressemblent le plus possible à la source.

Dans le cas d'un logiciel de deepfake, nos données sources sont les images de la personne dont on souhaite copier le visage, et le programme va donc apprendre à le générer pendant la phase de décodage. FaceSwap et DeepFaceLab améliorent cette phase en ajoutant un réseau antagoniste génératif dans leur architecture.

=== Réseau antagoniste génératif ===

[[File:Thispersondoesnotexist.png|200px|thumb|Image générée par un réseau antagoniste génératif StyleGAN2, sur le site https://thispersondoesnotexist.com/.]]

Un [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs réseau antagoniste génératif] (en anglais ''generative adversarial network'' ou ''GAN'') oppose un générateur à un discriminateur. Celui-ci compare les données en sortie du générateur à des vraies données qu'il a à sa disposition. Si les données en sortie du générateur sont trop différentes des vraies données, le discriminateur va informer le générateur afin que celui-ci génère de nouvelles données de plus en plus proches de ce qu'on souhaite, jusqu'à ce que le discriminateur n'arrive plus à faire la différence entre de vraies données et des données générées.

Dans le cas de FaceSwap et DeepFaceLab, la phase de décodage de l'auto-encodeur est le générateur du réseau antagoniste génératif. Ce générateur va produire en sortie des visages qui ressemblent à la personne en entrée, et le discriminateur va l'informer s'il arrive à distinguer entre les images générées et les vraies images de cette personne.

== D'autres types d'utilisation ==

== Combattre l'utilisation malicieuse ==

== Démonstration ==

Une démonstration est disponible [[VT2020-Deepfake Algorithms-Demo|ici]].

== Sources ==

# [https://www.kdnuggets.com/2018/03/exploring-deepfakes.html Exploring Deepfakes]
# [https://www.ionos.fr/digitalguide/web-marketing/les-media-sociaux/deepfakes/ Deepfakes - IONOS]
# [https://github.com/deepfakes/faceswap GitHub - deepfakes/faceswap: Deepfakes Software For All]
# [https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes.]
# [https://thispersondoesnotexist.com/ This Person Does Not Exist]
# [https://en.wikipedia.org/wiki/Deepfake Deepfake - Wikipedia]
# [https://fr.wikipedia.org/wiki/Deepfake Deepfake - Wikipédia]
# [https://en.wikipedia.org/wiki/Generative_adversarial_network Generative adversarial network - Wikipedia]
# [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Réseaux antagonistes génératifs - Wikipédia]
# [https://en.wikipedia.org/wiki/Autoencoder Autoencoder - Wikipedia]
# [https://fr.wikipedia.org/wiki/Auto-encodeur Auto-encodeur - Wikipédia]
# [https://www.youtube.com/watch?v=4JNBDwd40is Don't Trust ANYTHING You See - Deepfakes Explained - YouTube]
# [https://www.youtube.com/watch?v=t59gRbpYMiY DEEPFAKE Tutorial: A Beginners Guide (using DeepFace Lab) - YouTube]

== VT2020 ==

* Année : [[VT2020]]
* Sujet : Deepfake Algorithms
* Slides : [slides]
* Auteurs : Louis De Gaudenzi

VT2020-Deepfake Algorithms-Demo

2021-01-03T21:41:31Z

Louis.De-Gaudenzi: Created page with " Cette démonstration est effectuée à l'aide de [https://github.com/iperov/DeepFaceLab DeepFaceLab]. Le but de cette démonstration est de générer un deepfake avec mon vi..."

VT2020-Deepfake Algorithms-Fiche

2021-01-03T21:33:02Z

Louis.De-Gaudenzi: /* Sources */

== Deepfake ==

[[File:Deepfake_example.gif|thumb|313px|Un exemple de deepfake. Dans cette scène de Man of Steel, le visage d’Amy Adams (à gauche) est remplacé par celui de Nicolas Cage (à droite).]]

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

== Fonctionnement ==

=== Auto-encodeur ===

Les programmes comme FaceSwap et DeepFaceLab utilisent, pour générer des deepfakes, un réseau de neurones nommé [https://fr.wikipedia.org/wiki/Auto-encodeur auto-encodeur]. Le principe d'un auto-encodeur est, à partir de données sources, d'encoder ces données et de les décoder. Pendant la phase de décodage, le programme apprend comment générer ce type de données, afin que les données en sortie ressemblent le plus possible à la source.

Dans le cas d'un logiciel de deepfake, nos données sources sont les images de la personne dont on souhaite copier le visage, et le programme va donc apprendre à le générer pendant la phase de décodage. FaceSwap et DeepFaceLab améliorent cette phase en ajoutant un réseau antagoniste génératif dans leur architecture.

=== Réseau antagoniste génératif ===

[[File:Thispersondoesnotexist.png|200px|thumb|Image générée par un réseau antagoniste génératif StyleGAN2, sur le site https://thispersondoesnotexist.com/.]]

Un [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs réseau antagoniste génératif] (en anglais ''generative adversarial network'' ou ''GAN'') oppose un générateur à un discriminateur. Celui-ci compare les données en sortie du générateur à des vraies données qu'il a à sa disposition. Si les données en sortie du générateur sont trop différentes des vraies données, le discriminateur va informer le générateur afin que celui-ci génère de nouvelles données de plus en plus proches de ce qu'on souhaite, jusqu'à ce que le discriminateur n'arrive plus à faire la différence entre de vraies données et des données générées.

Dans le cas de FaceSwap et DeepFaceLab, la phase de décodage de l'auto-encodeur est le générateur du réseau antagoniste génératif. Ce générateur va produire en sortie des visages qui ressemblent à la personne en entrée, et le discriminateur va l'informer s'il arrive à distinguer entre les images générées et les vraies images de cette personne.

== D'autres types d'utilisation ==

== Combattre l'utilisation malicieuse ==

== Sources ==

# [https://www.kdnuggets.com/2018/03/exploring-deepfakes.html Exploring Deepfakes]
# [https://www.ionos.fr/digitalguide/web-marketing/les-media-sociaux/deepfakes/ Deepfakes - IONOS]
# [https://github.com/deepfakes/faceswap GitHub - deepfakes/faceswap: Deepfakes Software For All]
# [https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes.]
# [https://thispersondoesnotexist.com/ This Person Does Not Exist]
# [https://en.wikipedia.org/wiki/Deepfake Deepfake - Wikipedia]
# [https://fr.wikipedia.org/wiki/Deepfake Deepfake - Wikipédia]
# [https://en.wikipedia.org/wiki/Generative_adversarial_network Generative adversarial network - Wikipedia]
# [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Réseaux antagonistes génératifs - Wikipédia]
# [https://en.wikipedia.org/wiki/Autoencoder Autoencoder - Wikipedia]
# [https://fr.wikipedia.org/wiki/Auto-encodeur Auto-encodeur - Wikipédia]
# [https://www.youtube.com/watch?v=4JNBDwd40is Don't Trust ANYTHING You See - Deepfakes Explained - YouTube]
# [https://www.youtube.com/watch?v=t59gRbpYMiY DEEPFAKE Tutorial: A Beginners Guide (using DeepFace Lab) - YouTube]

== VT2020 ==

* Année : VT2020
* Sujet : Deepfake Algorithms
* Slides : [slides]
* Auteurs : Louis De Gaudenzi

VT2020-Deepfake Algorithms-Fiche

2021-01-03T21:31:46Z

Louis.De-Gaudenzi:

== Deepfake ==

[[File:Deepfake_example.gif|thumb|313px|Un exemple de deepfake. Dans cette scène de Man of Steel, le visage d’Amy Adams (à gauche) est remplacé par celui de Nicolas Cage (à droite).]]

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

== Fonctionnement ==

=== Auto-encodeur ===

Les programmes comme FaceSwap et DeepFaceLab utilisent, pour générer des deepfakes, un réseau de neurones nommé [https://fr.wikipedia.org/wiki/Auto-encodeur auto-encodeur]. Le principe d'un auto-encodeur est, à partir de données sources, d'encoder ces données et de les décoder. Pendant la phase de décodage, le programme apprend comment générer ce type de données, afin que les données en sortie ressemblent le plus possible à la source.

Dans le cas d'un logiciel de deepfake, nos données sources sont les images de la personne dont on souhaite copier le visage, et le programme va donc apprendre à le générer pendant la phase de décodage. FaceSwap et DeepFaceLab améliorent cette phase en ajoutant un réseau antagoniste génératif dans leur architecture.

=== Réseau antagoniste génératif ===

[[File:Thispersondoesnotexist.png|200px|thumb|Image générée par un réseau antagoniste génératif StyleGAN2, sur le site https://thispersondoesnotexist.com/.]]

Un [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs réseau antagoniste génératif] (en anglais ''generative adversarial network'' ou ''GAN'') oppose un générateur à un discriminateur. Celui-ci compare les données en sortie du générateur à des vraies données qu'il a à sa disposition. Si les données en sortie du générateur sont trop différentes des vraies données, le discriminateur va informer le générateur afin que celui-ci génère de nouvelles données de plus en plus proches de ce qu'on souhaite, jusqu'à ce que le discriminateur n'arrive plus à faire la différence entre de vraies données et des données générées.

Dans le cas de FaceSwap et DeepFaceLab, la phase de décodage de l'auto-encodeur est le générateur du réseau antagoniste génératif. Ce générateur va produire en sortie des visages qui ressemblent à la personne en entrée, et le discriminateur va l'informer s'il arrive à distinguer entre les images générées et les vraies images de cette personne.

== D'autres types d'utilisation ==

== Combattre l'utilisation malicieuse ==

== Sources ==

# [https://www.kdnuggets.com/2018/03/exploring-deepfakes.html Exploring Deepfakes]
# [https://www.ionos.fr/digitalguide/web-marketing/les-media-sociaux/deepfakes/ Deepfakes - IONOS]
# [https://github.com/deepfakes/faceswap GitHub - deepfakes/faceswap: Deepfakes Software For All]
# [https://github.com/iperov/DeepFaceLab GitHub - iperov/DeepFaceLab: DeepFaceLab is the leading software for creating deepfakes.]
# [https://en.wikipedia.org/wiki/Deepfake Deepfake - Wikipedia]
# [https://fr.wikipedia.org/wiki/Deepfake Deepfake - Wikipédia]
# [https://en.wikipedia.org/wiki/Generative_adversarial_network Generative adversarial network - Wikipedia]
# [https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs Réseaux antagonistes génératifs - Wikipédia]
# [https://en.wikipedia.org/wiki/Autoencoder Autoencoder - Wikipedia]
# [https://fr.wikipedia.org/wiki/Auto-encodeur Auto-encodeur - Wikipédia]
# [https://www.youtube.com/watch?v=4JNBDwd40is Don't Trust ANYTHING You See - Deepfakes Explained - YouTube]
# [https://www.youtube.com/watch?v=t59gRbpYMiY DEEPFAKE Tutorial: A Beginners Guide (using DeepFace Lab) - YouTube]

== VT2020 ==

* Année : VT2020
* Sujet : Deepfake Algorithms
* Slides : [slides]
* Auteurs : Louis De Gaudenzi

VT2020-Deepfake Algorithms-Fiche

2021-01-03T19:33:21Z

Louis.De-Gaudenzi:

File:Thispersondoesnotexist.png

2021-01-03T18:43:45Z

Louis.De-Gaudenzi:

File:Deepfake example.gif

2021-01-03T17:22:06Z

Louis.De-Gaudenzi:

VT2020

2021-01-03T17:13:29Z

Louis.De-Gaudenzi: Changed link of page

[[VT2019|<< Etudes 2019]] [[VT|Sommaire]] [[VT2021|Etudes 2021 >>]]

=Veille Technologique et Stratégique=
* Enseignants: [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]
* UE/Module: EAM (HPRJ9R6B) et EAR (HPRJ9R4B) en 1FO5

L'objectif de cette UE est de réaliser un travail de synthèse et d’évaluation sur une technologie / spécification / tendance

Dans votre futur vie d'ingénieur, vous aurez à d'une part, vous former par vous-même sur une technologie émergente et d'autre part à réaliser une veille technologique (et stratégique) par rapport à votre entreprise et projet.
Il s'agira de réaliser
* le positionnement par rapport au marché
* d'être critique

Votre synthèse fait l'objet d'une présentation orale convaincante devant un auditoire (dans le futur, vos collègues, vos chefs ou vos clients) avec des transparents et un discours répété.
Pour finir de convaincre (Saint Thomas), vous ferez la présentation d'une démonstration.

Votre présentation sera notée et commentée par tous vos camarades via un sondage (téléphone mobile). Leurs notes et leurs commentaires seront notés en fonction de leur exactitude de jugement.

Remarque: Le [https://fr.wikipedia.org/wiki/Plagiat plagiat] est incompatible avec l'éthique de l'ingénieur. Le directeur d'école peut demander votre traduction devant la commission disciplinaire de l'université. La sanction peut aller jusqu’à une interdiction d'inscription dans les établissements de l'enseignement supérieur français pendant plusieurs années : Le jeu en vaut-il la chandelle ?

La présentation peut être réalisée avec [[reveal.js]] ou avec [[remarkjs]]

[[File:presentation-VT-RICM5-1516.pdf|transparents d'introduction à l'UE]]

=Planning=

== Séance 1 : 16/11 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 5, 8, 23, 78

* 16H00 : Alexandra CHATON, Jsonnet, [[VT2020-Jsonnet-Fiche|Fiche]], [[Media:VT2020-Jsonnet-Presentation.pdf|Présentation]], [[VT2020-Jsonnet-Demo|Démonstration]]
* 16H25 : Alexis ROLLIN, GraalVM, [[VT2020-GraalVM-Fiche|Fiche]], [[Media:VT2020-GraalVM-Presentation.pdf|Présentation]], [[VT2020-GraalVM-Demo|Démonstration]]
* 16H50 : Aleck BILOUNGA, Micronaut, [[VT2020-Micronaut-Fiche|Fiche]], [[https://docs.google.com/presentation/d/1oVq_81RwLelY1EptNoObHhmRRfGnfuxBD6PRd49jyjI/edit#slide=id.p Présentation]], [[https://youtu.be/gu7H4kbeA_Y Démonstration]]
* 17H15 : Prénom NOM, Cryptojacking, [[VT2020-Cryptojacking-Fiche|Fiche]], [[File:VT2020-Cryptojacking-Presentation.pdf|Présentation]], [[VT2020-Cryptojacking-Demo|Démonstration]]

== Séance 2 : 23/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 9, 33, 49, 72, 81

* 16H00 : Myriam LOMBARD, Microclimate, [[VT2020-Microclimate-Fiche|Fiche]], [[Media:VT2020-Microclimate-Presentation.pdf|Présentation]], [[VT2020-Microclimate-Demo|Démonstration]]
* 16H25 : Samuel COURTHIAL, Voice-First Development, [[VT2020-Voice_First_Development-Fiche|Fiche]], [[Media:VT2020-Voice_First_Development-Presentation.pdf|Présentation]], [[VT2020-Voice_First_Development-Demo|Démonstration]]
* 16H50 : Thomas FRION, Valgrind, [[VT2020-Valgrind-Fiche|Fiche]], [[Media:VT2020-Valgrind-Presentation.pdf|Présentation]], [[VT2020-Valgrind-Demo|Démonstration]]
* 17H15 : Nhat Quang HO, HTTP/3, [[VT2020-Http3-Fiche|Fiche]], [[Media:VT2020-Http3-Presentation.pdf|Présentation]], [[VT2020-Http3-Demo|Démonstration]]
* 17H40 : Romain PASDELOUP, Ballerina, [[VT2020-Ballerina-Fiche|Fiche]], [[Media:VT2020-Ballerina-Presentation.pdf|Présentation]], [[VT2020-Ballerina-Demo|Démonstration]]

== Séance 3 : 30/11 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 2, 3, 10, 11, 38

* 16H00 : EL AJI Houda, Blazor, [[VT2020-Blazor-Fiche|Fiche]], [[Media:VT2020-Blazor-Presentation.pdf|Présentation]], [[VT2020-Blazor-Demo|Démonstration]]
* 16H25 : Vernet Maxime, Website Rendering Types, [[VT2020-XXXXXX-Fiche|Fiche]], [[Media:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Pareilleux Killian, Quarkus, [[VT2020-Quarkus-Fiche|Fiche]], [[Media:VT2020-Quarkus-Presentation.pdf|Présentation]], [[VT2020-Quarkus-Demo|Démonstration]]
* 17H15 : ZERAMDINI Otba, Helidon, [[VT2020-Helidon-Fiche|Fiche]], [[Media:VT2020-Helidon-Presentation.pdf|Présentation]], [[VT2020-Helidon-Demo|Démonstration]]
* 17H40 : Crociati Morgan, WebAssembly, [[VT2020-WebAssembly-Fiche|Fiche]], [[Media:VT2020-WebAssembly-Presentation.pdf|Présentation]], [[VT2020-WebAssembly-Demo|Démonstration]]

== Séance 4 : 7/12 ==
Enseignants : [[User:Donsez|Didier Donsez]]

* Sujets : 4, 15, 16, 19, 21

* 16H00 : NGUENA Gloria, MemSQL, [[VT2020-MemSQL-Fiche|Fiche]], [[Media:VT2020-MemSQL-Presentation.pdf|Présentation]], [[VT2020-MemSQL-Demo|Démonstration]]
* 16H25 : Graugnard Tom, QuestDB, [[VT2020-QuestDB-Fiche|Fiche]], [[Media:VT2020-QuestDB-Presentation.pdf|Présentation]], [[VT2020-QuestDB-Demo|Démonstration]]
* 16H50 : Delbos Robin, Apache Arrow, [[VT2020-Apache Arrow-Fiche|Fiche]], [[Media:Présentation_Apache_Arrow.pdf|Présentation]], [[VT2020-Apache Arrow-Demo|Démonstration]]
* 17H15 : El Mufti Ali, Apache Pulsar, [[VT2020-Apache Pulsar-Fiche|Fiche]], [[File:VT2020-Pulsar-Presentation.pdf|Présentation]], [[VT2020-Pulsar-Demo|Démonstration]]
* 17H40 : RUZAFA Rémy, Apache Pinot, [[VT2020-AppachePinot-Fiche|Fiche]], [[Media:VT2020-AppachePinot-Présentaion.pdf|Présentation]], [[VT2020-AppachePinot-Demo|Démonstration]]

== Séance 5 : 14/12 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 22, 48, 55, 56, 84

* 16H00 : Sajide Idriss, IoT Dataflow Mashup, [[Eclipse_Kura_Wires|Fiche]], [[Media:IoT Dataflow Mashup.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Chaix Manon, Nearby Communication, [[VT2020 - Nearby Communications Fiche|Fiche]], [[Media:VT_Nearby.pdf|Présentation]], [[VT2020-NearbyComm-Demo|Démonstration]]
* 16H50 : Palomo Rémy, Apollo 2.0, [[VT2020-Plateforme Apollo-Fiche|Fiche]], [[Media:VT2020-Apollo-Presentation.pdf|Présentation]], [[VT2020-Apollo-Demo|Démonstration]]
* 17H15 : Nelson William, Flogo, [[VT2020-Flogo-Fiche|Fiche]], [[File:Project_Flogo.pdf|Présentation]], [[VT2020_-_Flogo_Demo|Démonstration]]
* 17H40 : Fougere Sebastian, Amazon Sidewalk, [[VT2020-Amazon-Sidewalk-Fiche|Fiche]], [[Media:VT2020-Amazon-sidewalk-presentation.pdf|Présentation]], [[VT2020-WebThings-Framework-Demo|Démonstration]]

== Séance 6 : 4/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 6, 7, 20, 50, 83

* 16H00 : Boleat Baptiste, OpenAI GPT-3, [[VT2020-OpenAI GPT-3-Fiche|Fiche]], [https://baptboleat.github.io/gpt3-presentation/ Présentation], [[VT2020-GPT-3-Demo|Démonstration]]
* 16H25 : Beaugrand Elisa, OpenAI Microscope, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Artaud Adrien, Godot, [[VT2020-Godot-Fiche|Fiche]], [[Media:VT2020-Godot-Presentation.pdf|Présentation]], [[VT2020-Godot-Demo|Démonstration]]
* 17H15 : ASSI Dima, Psychométrie, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : De Gaudenzi Louis, Deepfake Algorithms, [[VT2020 Deepfake Algorithms Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

== Séance 7 : 11/1 ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : 1, 32, 41, 60, XXXX

* 16H00 : Rival Gaëtan, Matrix, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : El Jraidi Rim, Peloton, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Michelard Leila, DevSecOps, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Salmon Alexandre, BFT, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

== Séance 8 : Asynchrone ==
Enseignants : [[User:Gpbonneau|Georges-Pierre Bonneau]], [[User:Donsez|Didier Donsez]]

* Sujets : TBC

* 16H00 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H25 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 16H50 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H15 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]
* 17H40 : Prénom NOM, XXXXXX, [[VT2020-XXXXXX-Fiche|Fiche]], [[https://screencast|Présentation filmée]], [[File:VT2020-XXXXXX-Presentation.pdf|Présentation]], [[VT2020-XXXXXX-Demo|Démonstration]]

=Sujets=
# [[Matrix]] : An open network for secure, decentralized communication
# [[Blazor]] (Browser+Razor) : a new web development framework introduced by Microsoft, which allows you to develop browser-based applications using C# and Razor syntax alongside HTML and CSS.
# [[Website Rendering Types]] (Static, Dynamic, Incremetal) : démonstration de [https://nextjs.org/ NextJS]
# [[MemSQL]]
# [[Micronaut]] : Microservice platform ([https://dzone.com/articles/how-to-use-jhipster-to-build-a-secure-micronaut-an démo] avec [https://github.com/jhipster/generator-jhipster-micronaut Micronaut blueprint of JHipster])
# [[OpenAI GPT-3]]
# [[OpenAI Microscope]]
# [[GraalVM]] : Polyglot Virtual Machine
# [[Ballerina]] : open source programming language and platform for cloud-era application programmers to easily write software that just works
# [[Quarkus]] : Supersonic Subatomic Java
# [[Helidon]] : collection of Java libraries for writing microservices.
# [[Flux]] (#fluxlang) new data scripting language to make querying and analyzing time series
# [[Processeurs spécialisés pour l'IA]] : Démonstration avec la carte [https://greenwaves-technologies.com/product/gappoc-a-computer-vision-concept-board/ GAPPoc-A] de GreenWaves. ANNULé
# [[NATS]]: PubSub broker (démonstration avec CampusIoT)
# [[QuestDB]] : time-series database (démostration avec CampusIoT).
# [[Apache Arrow]] : cross-language development platform for in-memory data
# In-memory Distributed Data Grid : démonstration de eCom avec [[Apache Ignite]].
# [[jQAssistant]] : application à eCOM
# [[Apache Pulsar]] Pulsar is a multi-tenant, high-performance solution for server-to-server messaging. Pulsar was originally developed by Yahoo.
# [[Godot Game Engine]]
# [[Apache Pinot]] : realtime distributed OLAP datastore
# [[IoT Dataflow Mashup]] (démo avec [[Eclipse Kura Wires]])
# [[JSONnet]]
# [[Géo-réplication]] : Démo avec [[Apache Kafka MirrorMaker]]
# [[Pulsar]]
# [[Wookey project]] (Demo on a STM32F407 Discovery board) ANNULé
# [[RSocket]]
# [[Nacos]] : open source project by Alibaba for service discovery and service configuration.
# [[NEMU]] : open source hypervisor specifically built and designed to run modern cloud workloads on modern 64-bit Intel and ARM CPUs.
# [[Architecture Serverless]] : démonstration avec le projet https://github.com/serverless/serverless sur votre compte Azure de votre compte GitHub Student Pack ANNULé
# [[Fission]] : open-source serverless function framework for [[Kubernetes]] with a focus on developer productivity and high performance.
# [[Peloton]], a unified resource scheduler
# [[Microclimate]]
# [[AdTech]]
# [[Nearby communications]] (démonstration de [https://ionicframework.com/docs/native/google-nearby/ Nearby Messages API de Google avec Ionic]) --> Réservé Manon Chaix
# [[Conflict-free replicated data type]] (CRDT) RECOMMANDé
# [[Spinnaker]]
# [[WebAssembly]]
# [[Fast Identity Online Alliance]] (FIDO) ANNULé
# [[Apache MXNet]] : Demo avec [[Intel Movidius]] ([https://github.com/tspannhw/rpi-mxnet-movidius-minifi lien]) ANNULé
# [[DevSecOps]]
# [[Apache Beam]] RECOMMANDé
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[ESB]] : démonstration de [[Mule ESB]]
# [[MemCached]]
# [[Low-Power Global Area Network]]s ([[Sat-IoT]])
# [[ Voice-First Development]] : Designing, Developing, and Deploying Conversational Interfaces
# [[Psychométrie]]
# [[WebAssembly]]
# [[DevSecOps]]
# Portails et l'API [[Portlet]] : Démo avec [[Liferay]] ANNULé
# [[Apache Beam]]
# [[plateforme logicielle open source de conduite autonome Apollo 2.0]]
# [[Flogo]] Open Source Framework for IoT Edge Apps & Integration.
# [[Neural Processing Unit]] (NPU) : Demo de la clé [[Intel Movidius]] sur un RPI
# [[Hazelcast]] : Démo avec Spring Boot ([https://dzone.com/storage/assets/6459742-dzone-rc247-gettingstartedwithspringbootandmicrose.pdf lien]) dans un projet [[JHipster]]
# [[In-Memory Data Grids]] : Démonstration de [[Gigaspaces]] et [[XAP]] Open Source
# [[Fautes Byzantines]] : Démonstration de [[BFT-SMaRt]]
# Insport Video
# Gestionnaires de contenu : démonstration de [[Apache Jackrabbit]] dans le projet [[eCOM]]
# [[Memory-centric virtual distributed storage system]]
# [[Performance Monitoring]]
# [[ESB]] : démonstration de [[Mule ESB]] ANNULé
# [[Access Network Query Protocol (ANQP)]]
# [[JCache]] : démonstration avec [[Apache Ignity]]
# [[MemCached]]
# [[Apache Stratos]]
# [[gceasy]] : Universal garbage collection log Analyser
# [[Apache Solr]] : Démonstration avec [http://hortonworks.com/hadoop-tutorial/indexing-and-searching-text-within-images-with-apache-solr/ Tesseract OCR]
# [[Valgrind]]
# [[Content Delivery Network]]s : Démonstration de [[Amazon S3]], Azure, Akamaï ... sur votre projet [[ECOM-RICM|eCOM]]
# [[CMS]] : Demo avec [[Crafter CMS]]
# [[DMS]] (GED) : Demo avec la version Community Edition d'[[Alfresco]] et de son API REST avec [[Swagger]] ANNULé
# [[SIG]] : Démonstration de [[QGIS]]
# [[Apache Airflow]] ANNULé
# [[Cryptojacking]] : démonstration d'un navigateur exécutant [https://github.com/cazala/coin-hive CoinHive] et affichage du coup énergétique de l'opération.
# [[RIOT-OS]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte STM32 Nucleo LRWAN1). ANNULé
# [[Zephyr]] : système d'exploitation pour l'Internet des Objets (Démonstration sur une carte [[Intel Quark D2000]]). ANNULé
# [[HTTP/3]] : quoi de neuf ? Démonstration de l'amélioration des performances.
# [[Gyro]] : domain-specific language designed to concisely describe a cloud infrastructure. Démonstration avec votre application eCOM JHipster sur Azure.
# [[Deepfake Algorithms]] et outils.
# [[Amazon Sidewalk]]
# Interfaces Homme-Machine sans contact (sous réserve de démonstrateur)
# Interfaces Homme-Machine haptiques (sous réserve de démonstrateur)
# Algorithmes et systèmes de vote électronique : vices et vertus.
# [[Normes et systèmes de signature électronique]]
# Database as a Microservice : [[HarperDB]]
# [[Web of Things (WoT)]]

VT2020-Deepfake Algorithms-Fiche

2021-01-03T17:10:31Z

Louis.De-Gaudenzi:

== Deepfake ==

Les '''deepfakes''', apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (''fake news'').

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''. Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/ TensorFlow] de Google ainsi que [https://keras.io/ Keras], cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Le subreddit grandit vite en popularité, mais il est rapidement fermé par Reddit, et la pornographie truquée a depuis été interdite sur ce site ainsi que de nombreux autres.

Toutefois, cela n'a pas empêché le monde de l'internet de s'intéresser à ce nouveau genre de média. Bien au contraire, on peut trouver à ce jour plusieurs programmes qui permettent de créer ses propres deepfakes.
On trouve notamment :

* FakeApp, un logiciel propriétaire publié en janvier 2018, qui permet de créer ses propres deepfakes et les partager avec d'autres utilisateurs. Cependant, depuis 2019, on lui préfère les alternatives open-source ci-dessous.
* [https://github.com/deepfakes/faceswap FaceSwap], qui, à l'origine, contenait le code de l'utilisateur ''Deepfakes''. Ce programme est open source, et basé sur les technologies [https://www.tensorflow.org/ TensorFlow] de Google et [https://keras.io/ Keras].
* [https://github.com/iperov/DeepFaceLab DeepFaceLab], un programme open source, avec une interface en ligne de commande, dont le développement a débuté en 2018.

VT2020-Deepfake Algorithms-Fiche

2021-01-03T16:43:26Z

Louis.De-Gaudenzi: Created page with " == Deepfake == Les deepfakes, apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artif..."

== Deepfake ==

Les deepfakes, apparus fin 2017 sur Reddit, sont des vidéos d’une personne dont le visage ou le corps a été altéré, à l’aide d’intelligences artificielles et de deep learning, pour les faire passer pour quelqu’un d’autre. On peut aussi trouver des deepfakes qui synthétisent la voix d’un individu à l'aide d'autres algorithmes.

Les deepfakes sont utilisées le plus fréquemment dans un but malicieux ou pour diffuser des fausses informations (fake news).

== Histoire ==

À l’origine, le terme ''deepfake'' provient d’un utilisateur de Reddit nommé ''Deepfakes''.
Celui-ci a créé, en décembre 2017, un subreddit sur lequel il partageait des vidéos pornographiques qui contenaient des célébrités. À l’aide de bibliothèques open source comme [https://www.tensorflow.org/] de Google ainsi que Keras, cet utilisateur a mis au point un algorithme pour générer ces fausses vidéos. Rapidement, le faux porno a été interdit sur Reddit, ainsi que d’autres nombreux sites internet. Mais le code de l’utilisateur Deepfakes a été repris pour mettre au point des programmes qui permettaient de générer ce genre de vidéos.�Pour en citer plusieurs, il y a FaceSwap (15 décembre 2017) et DeepFaceLab (4 juin 2018) qui sont open source, et FakeApp (janvier 2018), celle-ci étant propriétaire.�