Camille Kurtz

Clubs and event organizers serving amateur and semi-professional competitions generate substantial video archives, yet their non-standardized cameras, framing, illumination, sound, and production quality remain under-represented in sports-video computer vision research. We introduce SportVISTA, a corpus of 8,144 indexed MPEG-4 Part 14 (MP4) video files originating mainly from amateur, school, club, and semi-professional settings and totaling approximately 4,285 file-hours and 3.04 TB. Its 11-class label space comprises ten sports and an auxiliary other class. All 8,144 files satisfied a retained first-stream full-decoding predicate for video and audio; this establishes decoder-level validity, but not non-silent audio or content-level synchronization. As a secondary usability check, we provide a file-level diagnostic with encoders frozen during downstream probing under one signature-component-grouped evaluation protocol. The SportVISTA local-audio continuation is trained on the SportVISTA training partition before probing and is not directly comparable to the frozen off-domain encoders. This paper does not report a model-size or data-size scaling law; the contribution is the corpus, its documentation, technical characterization, governance, and an internal usability diagnostic. Public documentation is available from the Hugging Face repository, but the current release is limited to documentation (S0): neither raw media nor row-level dataset materials are distributed. Controlled media access (S2) remains prospective and subject to legal review. The diagnostic is an internal usability check under one signature-component-grouped split; it is not a public leaderboard, a causal modality ablation, a measured scaling law, or an independently reconstructible benchmark outside bundle-r1.

Depuis la fin des années 1990, les images optiques à très hautes résolutions spatiales issues de capteurs satellitaires sont de plus en plus accessibles par une vaste communauté d’utilisateurs. En particulier, différents systèmes satellitaires sont maintenant disponibles et produisent une quantité de données importante, utilisable pour l’observation de la Terre. En raison de cet important volume de données,les méthodes analytiques manuelles deviennent inadaptées pour un traitement efficace de ces données. Il devient donc crucial d’automatiser ces méthodes par des procédés informatiques, capables de traiter cette quantité de données hétérogènes.Dans le cadre de cette thèse, nos recherches se sont focalisées sur le développement de nouvelles approches basées régions (i.e., segmentation et classification) permettant l’extraction de plusieurs niveaux de connaissance et d’information à partir d’ensembles d’images à différentes résolutions spatiales. De telles images offrent en effet des vues différentes de la scène étudiée, ce qui peut permettre de faciliter l’extraction des objets d’intérêt. Ces derniers étant structurés sous la forme de hiérarchies d’objets complexes, nos travaux se sont naturellement tournés (1) vers l’utilisation d’approches de segmentation hiérarchique fournissant des ensembles de partitions de la scène à différents niveaux de détail et (2) vers l’intégration de connaissances de haut-niveau dans les processus de fouille de données. De manière plus générale, nous nous sommes intéressés à élaborer un outil informatique reposant sur une stratégie d’analyse descendante,similaire à celle d’un utilisateur, qui consiste à interpréter la scène en considérant, en premier lieu, les grandes zones composant les territoires (à partir des images aux résolutions les plus grossières) puis à affiner récursivement le niveau d’interprétation pour en extraire des zones plus spécialisées (à partir des images aux résolutions les plus fines).L’ensemble de ces travaux a été implanté dans une bibliothèque logicielle et validé dans le contexte de l’analyse d’environnements urbains à partir d’ensembles d’images multi résolutions.