Les thématiques de l’équipe Multimédia et Réseaux (MULTINET) couvrent un large spectre d’activités, des aspects réseaux jusqu’à la couche applicative. Dans les grands défis actuels que sont l’IoT, la 5G, les villes intelligentes, l’efficacité énergétique, la vidéo immersive, le transport vidéo temps réel, la sécurité ou les réseaux véhiculaires, nos travaux portent sur deux axes : les problématiques réseau et l’amélioration des services vidéo. Ainsi, dans des contextes variés comme les réseaux de capteurs sans fil, véhiculaire ou la 5G, nous modélisons, optimisons et proposons de nouvelles méthodes sous forme d’algorithmes ou de protocoles pour des problèmes tels que le routage, la collecte et la diffusion d’informations, la gestion de la mobilité, l’économie d’énergie. De plus, nous développons des approches originales d’estimation et de commande distribuée pour les systèmes en réseaux. L’amélioration des services vidéo passent par l’amélioration des performances des codeurs vidéos standards mais aussi par la conception de nouveaux formats émergeant. Pour une meilleure qualité d’expérience de l’utilisateur, nous développons de nouveaux protocoles d’évaluation subjective de la qualité visuelle ainsi que de nouvelles méthodes objectifs de prédiction de cette qualité .
Réseaux
Nos travaux sur les réseaux visent en général à répondre aux besoins d’agilité et de performance des réseaux de télécommunications. Ils s’inscrivent dans la perspective de la 5G, qui prône un accès n’importe où et n’importe quand.
Optimiser les réseaux sans fil: Il s’agit de prendre en compte les nouveaux usages des réseaux sans fil pour l’Internet des Objets, les villes intelligentes ou l’industrie 4.0. Nous adressons des problèmes aussi variés que les communications dans les zones blanches, l’optimisation des réseaux denses, l’utilisation de nouvelles fonctionnalités physiques et leur impact sur le plan de contrôle du réseau ainsi que la sécurité dans l’Internet des Objets.
Virtualisation, Slicing, SDN: Nous nous intéressons également au slicing et en particulier, à l’allocation de ressources matérielles partagées par différents réseaux virtuels qui ont des contraintes de qualité de service et une demande de trafic élastique. L’objectif est de concevoir des modèles de demandes et des algorithmes de contrôle afin de permettre d’optimiser l’utilisation des ressources physiques par les ressources virtuelles.
Efficacité énergétique : L’efficacité énergétique dans les réseaux est un des enjeux majeurs identifiés pour la 5G. Nous nous intéressons à l’évaluation de l’efficacité énergétique de techniques comme la coordination ou Massive MIMO dans le contexte de réseaux hétérogènes. Par ailleurs, nous examinons l’influence de ces techniques de niveau physique sur les couches supérieures, la couche transport en particulier, afin d’intégrer les contraintes temporelles qui peuvent être liées à la mobilité, à la coordination ou à la variation des flux.
QoS des applications critiques : Les réseaux de communication sont de plus en plus utilisés pour faire fonctionner des applications critiques, telles que les véhicules autonomes, l’industrie 4.0 ou l’e-santé. Dans ce cadre, de nouveaux protocoles doivent être proposés pour les réseaux sans fil ad hoc (réseaux de capteurs, réseaux véhiculaires) qui permettent le respect de contraintes strictes de qualité de service, sans lesquelles il ne sera pas possible de garantir le bon fonctionnement des applications critiques.
Codage et transmission vidéo
Avec la multiplication des services vidéo, les utilisateurs deviennent toujours plus exigeants concernant la qualité de l’expérience ressentie. Dans ce contexte, de nouvelles technologies en rupture émergent afin de fournir un rendu beaucoup plus réaliste et immersif.
Vidéo immersive: De nouvelles technologies en rupture émergent afin de fournir un rendu beaucoup plus réaliste et immersif, afin de créer une sensation de présence physique dans la scène. Les représentations dites « light field » enregistrent tous les rayons lumineux entrant dans une caméra. Alternativement, les approches volumétriques telles que les nuages de points stockent les coordonnées 3D des objets et des surfaces ainsi que leur couleur associée. Ces représentations nécessitent une compression efficace, ainsi que le développement de nouveaux indicateurs de qualité pour évaluer leur performance.
Codage vidéo basé sur des techniques d’apprentissage profond: Une autre tendance importante est l’émergence des méthodes d’apprentissage profond pour la compression vidéo. Ces approches permettent de réfléchir à des architectures de codage vidéo en rupture totale avec les schémas standards existants. Pour ce faire, nous comptons utiliser les auto-encoders ou les generative adversarial networks (GAN) pour optimiser certains outils de codage, tels que la prédiction spatiale et temporelle, la transformée ou le codage entropique. A plus long terme, il est également intéressant d’étudier des modèles de codage vidéo totalement optimisés de bout en bout à partir d’une grande collection de données.
Codage vidéo linéaire à faible latence: Dans le contexte d’une contrainte de très faible latence, pertinente pour des applications telles que la télé-opération d’un véhicule ou la réalité augmentée, une alternative aux approches classiques est l’utilisation de codeurs vidéo linéaires où toutes les opérations effectuées sont linéaires. De ce fait, la qualité de la vidéo décodée est proportionnelle à la qualité du canal de communication.