BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.4.1//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Évènements pour LORIA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20230326T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20231029T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231107T140000
DTEND;TZID=Europe/Paris:20231107T160000
DTSTAMP:20231106T093115Z
CREATED:20231031T125943Z
LAST-MODIFIED:20231106T093115Z
UID:23456-1699365600-1699372800@www.loria.fr
SUMMARY:Soutenance de thèse de Rosalie Defourné (Mosel-VeriDis)
DESCRIPTION:Rosalie Defourné (Mosel-VeriDis) soutiendra sa thèse intitulée « Encodages de la théorie des ensembles de TLA+ pour la preuve automatique »\, le 7 novembre à 14h en salle C005. \nRésumé :\nCette thèse porte sur TLA+\, un langage de spécification fondé sur la logique temporelle et la théorie des ensembles non typée. TLA+ est principalement utilisé dans l’industrie pour vérifier des systèmes concurrents et distribués. On s’intéresse en particulier à la preuve interactive de théorèmes TLA+\, qui peut être réalisée avec l’outil TLAPS. Cet assistant de preuve emploie une batterie de prouveurs automatiques externes afin de vérifier les obligations de preuve qui correspondent aux étapes de raisonnement de l’utilisateur.\nJury\nRapporteurs :\n\nAurélie Hurault\, ENSEEIHT Toulouse\nDavid Delahaye\, Université de Montpellier\n\nExaminateurs : \n\nJasmin Blanchette\, Université Louis-et-Maximilien de Munich\nCatherine Dubois\, ENSIIE Évry\nChantal Keller\, Université Paris Saclay\nGuillaume Bonfante\, Université de Lorraine\n\nDirecteur et co-directeur de thèse :\n\nStephan Merz\, Université de Lorraine\nPascal Fontaine\, Université de Liège
URL:https://www.loria.fr/event/soutenance-de-these-de-rosalie-defourne-mosel-veridis/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231110T150000
DTEND;TZID=Europe/Paris:20231110T170000
DTSTAMP:20231106T095343Z
CREATED:20231030T100611Z
LAST-MODIFIED:20231106T095343Z
UID:23454-1699628400-1699635600@www.loria.fr
SUMMARY:PhD Defense: Liam Cripwell (Synalp)
DESCRIPTION:Liam Cripwell (Synalp) will defend his thesis\, entitled « Controllable and document-level text simplification« \, on Friday\, November 10th at 3 p.m. am in room A008. \nAbstract :\nText simplification is a task that involves rewriting a text to make it easier to read and understand for a wider audience\, while still expressing the same core meaning. This has potential benefits for disadvantaged end-users (e.g. non-native speakers\, children\, the reading impaired)\, while also showing promise as a preprocessing step for downstream NLP tasks. Recent advancements in neural generative models have led to the development of systems that are capable of producing highly fluent outputs. However\, these end-to-end systems often rely on training corpora to implicitly learn how to perform the necessary rewrite operations. In the case of simplification\, these datasets are lacking in both quantity and quality\, with most corpora either being very small\, automatically constructed\, or subject to strict licensing agreements. As a result\, many systems tend to be overly conservative\, often making no changes to the original text or being limited to the paraphrasing of short word sequences without substantial structural modifications. Furthermore\, most existing work on text simplification is limited to sentence-level inputs\, with attempts to iteratively apply these approaches to document-level simplification failing to coherently preserve the discourse structure of the document. This is problematic\, as most real-world applications of text simplification concern document-level texts.\nIn this thesis\, we investigate strategies for mitigating the conservativity of simplification systems while promoting a more diverse range of transformation types. This involves the creation of new datasets containing instances of under-represented operations and the implementation of controllable systems capable of being tailored towards specific transformations and simplicity levels. We later extend these strategies to document-level simplification\, proposing systems that are able to consider surrounding document context and use similar controllability techniques to plan which sentence-level operations to perform ahead of time\, allowing for both high performance and scalability. Finally\, we analyze current evaluation processes and propose new strategies that can be used to better evaluate both controllable and document-level simplification systems.\nJury\n\nReviewers:\n\nBenoît Sagot\, Inria Paris\nBenoit Favre\, Aix Marseille Université\n\nExaminers:\n\nWei Xu\, Georgia Institute of Technology\nLiana Ermakova\, Université de Bretagne Occidentale\n\n\nThesis Director and co-Director: \n\n\nClaire Gardent\, Université de Lorraine\nJoël Legrand\, Université de Lorraine
URL:https://www.loria.fr/event/phd-defense-liam-cripwell-synalp/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231113T100000
DTEND;TZID=Europe/Paris:20231113T120000
DTSTAMP:20231113T161847Z
CREATED:20231027T164046Z
LAST-MODIFIED:20231113T161847Z
UID:23441-1699869600-1699876800@www.loria.fr
SUMMARY:PhD Defense: Prerak Srivastava (Multispeech)
DESCRIPTION:Prerak Srivastava (Multispeech) will defend his thesis\, entitled « Realism in Virtually Supervised Learning for Acoustic Room Characterization and Sound Source Localization« \, on Monday\, November 13th at 10 am in room A008. \nAbstract :\nAudio Augmented Reality aims to integrate virtual audio content into the user’s acoustic environment\, creating an immersive audio experience. The commercial availability of augmented reality headsets such as Apple Vision Pro has further motivated interest in this research field. To synthesize binaural spatial audio that can recreate the perception of distance\, direction\, and acoustic cues\, the knowledge of specific acoustic parameters of the user’s environment is a pre-requisite. Acoustic parameters can be divided into two categories: global parameters associated with the room’s geometry\, reverberation time\, and wall materials\, and local parameters concerning the location of each sound source. With the help of room acoustic simulators\, these parameters are used to simulate room impulse responses. These room impulse responses can then be convolved with dry speech signals to synthesize binaural spatial audio with a perception of realism. However\, the estimation of these acoustic parameters is a challenge. Previous research has attempted to address this problem through cumbersome and time-consuming in-situ measurements\, which are often impractical.\nIn this thesis\, we tackle this challenge by leveraging supervised machine-learning techniques using speech recordings as input. Our primary focus is on cuboid rooms with static acoustic scenarios. In the initial part of our work\, we develop a multi-task neural network for room parameter estimation. We then assess its robustness using real-world data. In the second part\, we shift our focus towards virtually supervised learning. This approach involves training machine learning models exclusively on simulated data. The rationale behind this strategy is rooted in the limited availability of task-specific real datasets within this domain. To ensure genralization\, the training dataset should closely resemble the scenarios encountered in the test datasets. In order to bridge the gap\, we improve realism in the open-source room acoustics simulator Pyroomacoustics by implementing an extended image source method. Further\, this improved room acoustics simulator is used to train neural networks for the tasks of room parameter estimation and sound source localization. We employ several real test datasets to assess the positive impact brought by training the systems using the improved simulator. Our experiments show that the generalization of the system is improved across both tasks when compared to the systems trained for the same task with less realistic training data. To the best of our knowledge\, this is one of the first studies to explore the field of virtually supervised learning for the task of global and local room acoustic parameter estimation.\nJury\n\nReviewers:\n\nRainer Martin – Ruhr-Universitat Bochum\, Germany\nEric Bavu – CNAM Paris\, France\n\nExaminers:\n\nMarie-Odile Berger – INRIA Nancy\, France\nSimon Leglaive – Centrale Supelec\, Rennes\, France\n\n\n\nThesis Director and co-Director: \n\n\nEmmanuel Vincent – INRIA Nancy\, France\nAntoine Deleforge – INRIA Nancy\, France
URL:https://www.loria.fr/event/phd-defense-prerak-srivastava-multispeech/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231117T140000
DTEND;TZID=Europe/Paris:20231117T160000
DTSTAMP:20231113T151421Z
CREATED:20231113T151421Z
LAST-MODIFIED:20231113T151421Z
UID:23819-1700229600-1700236800@www.loria.fr
SUMMARY:Soutenance de thèse de Juliette Faille (Synalp)
DESCRIPTION:Juliette Faille (Synalp) soutiendra sa thèse intitulée « Génération de texte en langue naturelle à partir de données : évaluation et explicabilité »\, le 17 novembre à 14h en salle C005. \nRésumé :\nLes modèles de génération de langage naturel (NLG) ont récemment atteint de très hautes performances. Les textes qu’ils produisent sont généralement corrects sur le plan grammatical et syntaxique\, ce qui les rend naturels. Bien que leur sens soit correct dans la grande majorité des cas\, même les modèles de NLG les plus avancés produisent encore des textes avec des significations partiellement inexactes.\nDans cette thèse\, en nous concentrons sur le cas particulier des problèmes liés au contenu des textes générés\, nous proposons d’évaluer et d’analyser les modèles utilisés dans les tâches de verbalisation de graphes RDF (Resource Description Framework) et de génération de questions conversationnelles.\nTout d’abord\, nous étudions la tâche de verbalisation des graphes RDF et en particulier les omissions et hallucinations d’entités RDF\, c’est-à-dire lorsqu’un texte généré automatiquement ne mentionne pas toutes les entités du graphe RDF d’entrée ou mentionne d’autres entités que celles du graphe d’entrée. Nous évaluons 25 modèles de verbalisation de graphes RDF sur les données WebNLG. Nous développons une méthode pour détecter automatiquement les omissions et les hallucinations d’entités RDF dans les sorties de ces modèles. Nous proposons une métrique basée sur le nombre d’omissions ou d’hallucinations pour quantifier l’adéquation sémantique des modèles NLG avec l’entrée.\nNous constatons que cette métrique est corrélée avec ce que les annotateurs humains considèrent comme sémantiquement correct et nous montrons que même les modèles les plus globalement performants sont sujets à des omissions et à des hallucinations.\nSuite à cette observation sur la tendance des modèles de verbalisation RDF à générer des textes avec des problèmes liés au contenu\, nous proposons d’analyser l’encodeur de deux de ces modèles\, BART et T5. Nous utilisons une méthode d’explicabilité par sondage et introduisons deux sondes de classification\, l’une paramétrique et l’autre non paramétrique\, afin de détecter les omissions et les déformations des entités RDF dans les plongements lexicaux des modèles encodeur-décodeur. Nous constatons que ces classifieurs sont capables de détecter ces erreurs dans les encodages\, ce qui suggère que l’encodeur des modèles est responsable d’une certaine perte d’informations sur les entités omises et déformées.\nEnfin\, nous proposons un modèle de génération de questions conversationnelles basé sur T5 qui\, en plus de générer une question basée sur un graphe RDF d’entrée et un contexte conversationnel\, génère à la fois une question et le triplet RDF correspondant. Ce modèle nous permet d’introduire une procédure d’évaluation fine évaluant automatiquement la cohérence avec le contexte de la conversation et l’adéquation sémantique avec le graphe RDF d’entrée.\nNos contributions s’inscrivent dans les domaines de l’évaluation en NLG et de l’explicabilité. Nous empruntons des techniques et des méthodologies à ces deux domaines de recherche afin d’améliorer la fiabilité des modèles de génération de texte.\nJury\nRapporteurs :\n\nCyril LABBE\, Professeur des universités\, Université Grenoble Alpes\nBenjamin PIWOWARSKI\, Chargé de recherche\, Sorbonne Université\n\nExaminateurs : \n\nChloé CLAVEL\, Professeure des universités\, Télécom Paris\nLaure SOULIER\, Maîtresse de conférences\, Sorbonne Université\nAlbert GATT\, Professeur des universités Université d’Utrecht\n\nDirectrice de thèse :\n\nClaire GARDENT\, Directrice de recherche\, Université de Lorraine
URL:https://www.loria.fr/event/soutenance-de-these-de-juliette-faille-synalp/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
END:VCALENDAR