Ce mémoire porte sur l'identité virtuelle qu'est l'avatar. Nous nous intéressons en particulier à l'avatar au sein du métavers Second Life, un univers virtuel tridimensionnel et interactif en temps réel. Second Life est présenté comme un monde où chacun peut vivre une seconde vie. L'usager y crée un avatar, le personnalise, lui attribue une personnalité et une histoire, notamment à travers son apparence. C'est précisément ce processus de construction d'un avatar qui fait l'objet de ce mémoire : comment l'individu construit-il son avatar dans Second Life? Pour répondre à cette question, nous avons mobilisé un cadre théorique constitué de travaux sur les identités virtuelles dans Internet provenant de la sociologie et de la communication, ainsi que de quelques études psychanalytiques. Nous avons effectué une ethnographie en ligne au sein de Second Life pendant une période de six mois, ainsi que des entretiens semi-dirigés avec douze utilisateurs de Second Life. Nos résultats montrent que le processus de construction de l'avatar, notamment sa personnalisation, constitue une occupation centrale dans le métavers. L'avatar est à la fois une projection fantasmée de l'individu et un prolongement de sa personnalité en visant l'expression de son authenticité. La recherche s'accompagne d'un projet créatif, Projections, qui, à des fins d'illustration, témoigne de notre expérience personnelle dans Second Life et de notre relation à l'avatar. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Internet, avatar, identité virtuelle, Second Life, métavers.

Dans un contexte où les Premières nations, et particulièrement les jeunes, investissent de plus en plus d'espaces d'expression et de paroles engagées sur les plans identitaire, culturel, social et politique (Jérôme, 2005b), nous nous sommes intéressés à la création vidéo comme outil d'expression, de transmission, de revendication et d'émancipation pour les jeunes et les communautés des Premières nations. À l'automne 2009, en collaboration avec la communauté atikamekw d'Opitciwan, nous avons engagé un processus de recherche communautaire participative et artistique en nous appuyant sur les activités du projet Wapikoni mobile, un studio ambulant de création audiovisuelle et musicale déjà présent dans la communauté. L'objectif de cette démarche était d'explorer comment la création vidéo peut être un levier du changement local, à partir ce qui émerge de la création vidéo par et dans la communauté d'Opitciwan. Pour ce faire, nous nous sommes inspirés des pratiques issues de la communication participative, de l'art communautaire et de la vidéo participative pour construire un cadre conceptuel de pratique où les outils artistiques et communicationnels deviennent, lorsqu'ils sont utilisés « par » les membres d'une communauté dans un processus collaboratif et communautaire, des leviers du changement individuel, local et social. À travers l'analyse du processus de création, des vidéos et des retombées locales, nous verrons comment se construit, autour de la vidéo, une démarche créative, rassembleuse et collaborative où sont mobilisés les forces, les savoirs et les talents locaux. Les vidéos ainsi créées proposent des regards locaux sur la réalité locale, en articulant les problèmes vécus dans la communauté et en documentant le quotidien. Par ailleurs, le processus de création et la diffusion locale de ces vidéos génèrent des espaces d'expression, de transmission de la culture et du savoir local, de dénonciation des injustices, de création de liens intergénérationnels et communautaires et de formation permettant l'appropriation de la vidéo. La diffusion, à l'intérieur et à l'extérieur de la communauté, fait voyager les regards, les messages, la culture et le savoir local, ce qui permet de « se voir » tout en poursuivant le souhait de se faire connaître par les autres communautés et les non-autochtones. De cette démarche émerge un processus de réflexion communautaire et de dialogue intergénérationnel, qui pose les bases des processus de changement local. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : autochtone, changement, création vidéo, Opitciwan/Obedjiwan, recherche participative, Wapikoni Mobile.

L'objectif de cette thèse est la recherche de nouvelles techniques de génération de contenu numérique pour des applications de jeu vidéo. Le manque de variété de terrains, d'objets et de détails affecte fortement le réalisme des paysages de synthèse.Dans ce contexte, un des principaux goulots d'étranglements est la modélisation des ressources graphiques permettant de créer les scènes. Afin de simplifier et d'accélérer cette tâche, nous présentons des méthodes permettant de générer automatiquement du contenu graphique pour créer de grands paysages à la fois complexes et originaux.Notre première approche permet de créer et d'éditer rapidement des variétés d'objets à partir d'un modèle initial fourni par un graphiste, sous la contrainte d'une représentation avec très peu de triangles. Nous présentons également une méthode de génération procédurale des variétés d'objets. Ensemble, ces méthodes permettent de créer aussi bien des variétés de formes naturelles que des ouvrages d'arts tels que des routes, des ponts et des tunnels capables de s'adapter automatiquement au relief d'un paysage.Nous proposons une autre méthode, s'appuyant sur une simulation physique et thermique, pour créer des paysages hivernaux évoluant au cours du temps en fonction des conditions climatiques. Cette approche permet de suivre l'évolution du manteau neigeux ainsi que l'épaisseur de la glace qui se forme en surface d'un lac.

Le travail de thèse développé dans ce mémoire porte sur le traitement des séquences vidéos. Ceci inclut la compression pour une grande partie de la thèse, mais également le filtrage spatio-temporel et la segmentation vidéo. Un des outils d'analyse récurrent dans chacune de ces applications est la mesure du mouvement, c'est-à-dire la description de la cohérence temporelle d'une séquence vidéo. Un système de compression vidéo comprend généralement les trois composantes suivantes : estimation du mouvement, transformations temporelle et spatiale, quantification et codage des coefficients. Nous nous intéressons successivement à chacune de ces composantes. Dans un premier temps, nous essayons d'adapter une méthode d'estimation par projection du flot optique sur une base d'ondelettes à valeur complexe à la compression vidéo. Le champ obtenu étant dense et sensible au bruit, nous introduisons dans la résolution un élément de régularisation afin de diminuer son coût de codage. En dépit d'une nette amélioration apportée par nos modifications, la technique d'estimation par projection sur une base d'ondelettes n'est pas compétitive face au block-matching qui constitue l'algorithme de référence pour la compression vidéo. Cela illustre bien le fait que le choix et la conception d'une méthode sont étroitement liés à l'usage qui en est fait : des mé- thodes d'estimation de mouvement optimisées pour des applications aussi diverses que la compression vidéo, le filtrage et la segmentation, ou encore l'analyse de scènes 3D ont peu de chances d'être les mêmes. Dans ces expériences, nous avons utilisé une méthode visant à satisfaire un critère qui est équivalent à un critère d'appariement optimal pour la compression sous des conditions théoriques qui ne sont en général pas vérifiées. Une telle approche est donc visiblement sous-optimale. Forts de cette observation, nous avons ensuite développé une méthode de mesure de mouvement qui repose sur une paramétrisation du champ bilinéaire par morceaux, et qui minimise cette fois directement l'erreur quadratique moyenne qui est notre critère d'évaluation. Nous montrons qu'il est possible d'obtenir de bons résultats quand les paramètres du champ sont épars. Un codage vidéo avec une prédiction temporelle suppose de coder des données aussi hétérogènes que des champs de mouvement ou des images d'erreur. Nous avons travaillé sur l'allocation de débit entre images d'erreur et de manière moins approfondie entre image d'erreur et champ de mouvement. Nous avons adapté un modèle de planification de débit introduit par Mallat et Falzon qui a été initialement conçu pour des images statiques et qui est actuellement utilisé pour la compression au ot d'images satellitales. Cette approche se révèle meilleure que des approches plus classiquement utilisées en compression vidéo. Pour pouvoir effectuer un codage par transformée du champ et des images d'erreur, nous avons cherché à concevoir de nouvelles transformations en sous-bandes non-linéaires. Pour cela, nous avons utilisé le schéma de lifting, qui garantit l'inversibilité formelle des transformations qu'il peut réaliser, que celles-ci soient linéaires ou non. Nous avons construit deux nouvelles décompositions non-linéaires. La première vise à réduire un artéfact communément appelé e et de Gibbs. Cette première décomposition consiste à utiliser un prédicteur de Deslauriers-Dubuc modifié de manière à réduire ces artéfacts. La modification introduite permet effectivement de réduire les oscillations autour de discontinuités en échange d'un surcoût modeste en terme d'efficacité de représentation dans les sections régulières du signal représenté. La formulation évite le mécanisme de transition d'un filtre à l'autre relativement habituel dans ce genre d'approche en recourant à des opérateurs continus de type min et max, qui permettent de garantir la continuité de la transformation et donc sa stabilité après quantification. L'autre se propose d'améliorer la décomposition en ondelettes du champ de mouvement en utilisant l'information qu'apporte chacune de ses composantes sur l'autre. En effet, l'intuition nous incite à penser que les discontinuités sont présentes au même endroit dans chacune des composantes du mouvement. Nous nous servons de cette co-occurrence des discontinuités pour choisir le filltre de prédiction. Dans les deux cas, les méthodes mises au point donnent des résultats positifs sur des signaux de synthèse mais perdent en efficacité sur des signaux réels. Une des grandes difficultés est de mettre au point un étage de mise-à-jour dans le schéma de lifting. Par ailleurs, le schéma linéaire le plus efficace est un schéma à 4 étages pour lequel il est difficile de concevoir un concurrent non-linéaire dans la mesure où ses propriétés sont difficilement lisibles sur les étages individuels du schéma de lifting. Nfin transposé des idées rencontrées en compression vidéo pour dé nir des opérations de filtrage morphologique vidéo intégrant la mesure du mouvement, utilisant des éléments structurants qui suivent le mouvement. L'application de ces idées donne des résultants probants en filltrage et en segmentation, en particulier grâce à une forte cohérence spatio-temporelle introduite dans les voisinages : cette approche donne des résultats de segmentation plus stables puisqu'elle impose une cohérence temporelle beaucoup plus forte aux frontières des régions que les méthodes itératives en temps. Nous discutons ensuite des possibilités d'utilisation de champs de mouvement à précision sous-pixellique.

La grande variété des images et séquences vidéo rencontrées dans le domaine multimédia rendent tout projet de segmentation automatique extrêmement complexe. Notre approche cherche à obtenir une segmentation efficace au prix d'un minimum d'interaction. Pour permettre une grande flexibilité et des temps de réponse rapides, le contenu de la séquence est représenté en forme de partitions emboitées. Tous les contours possibles dans l'image sont détectés chacun avec un indice indiquant sa force. L'étape de segmentation proprement dite offrira à l'utilisateur divers mécanismes de sélection finale des contours qui réellement l'intéressent. Ainsi de multiples segmentations sont possibles sur cette représentation hiérarchique, sans nécessiter de nouveaux calculs. Dans un premier temps, différentes hiérarchies associées aux inondations morphologiques sont étudiées, ainsi que plusieurs mécanismes permettant l'introduction de connaissances à priori quand elles sont disponibles. Dans un deuxième temps, les notions présentées pour les images fixes sont étendues aux séquences vidéo en utilisant une approche 3D-récursive.Ainsi, une unique hiérarchie associée à une séquence vidéo complète est calculée. Des outils d'interaction sont proposés permettant à l'utilisateur de manipuler la hiérarchie de manière intuitive. Grâce aux représentations en forme d'arbre utilisées, la manipulation de la hiérarchie se fait avec un très faible coût de calcul et les résultats de l'interaction sont perçus par l'utilisateur comme étant immédiats.

Cette thèse présente ce qui est à notre connaissance le premier jeu vidéo éducatif musical: Pads'n'Swing. Après des années de méfiance vis-à-vis du jeu vidéo, la diversification de ses usages et leur intégration forte à notre culture ouvrent en effet la voie d'applications positives comme les jeux vidéo éducatifs, qui s'appuient sur la mise en relation et la socialisation des joueurs, la simulation de mondes et leur scénarisation. Nous poursuivons cette approche en replaçant le fun au coeur d'une pédagogie de la motivation dont le but serait d'éveiller l'intérêt des apprenants en leur offrant la possibilité d'exercer en jeu des schémas d'action habituellement réservés aux spécialistes. L'application de cette pédagogie au domaine musical se révèle ambitieuse: dans quelles limites peut-on, dans un jeu vidéo, s'affranchir des contraintes instrumentales pour jouer du jazz et improviser ? Pour répondre à cette question, les principales contributions de notre travail de thèse sont: (1) l'exploration du domaine émergent des jeux vidéo éducatifs; (2) la proposition de meilleures pratiques de conception de gameplay fondées sur les théories de la motivation; (3) l'application de cette méthodologie au développement de Pads'n'Swing; et (4) l'évaluation de Pads'n'Swing, qui révèle les modalités d'un fun spécifiquement musical et accessible au plus grand nombre.

Les capteurs d'images CMOS n'étaient envisagés au début des années 90s que dans le cadre de recherches. La technologie CCD dominait alors. Puis l'évolution extraordinaire des procédés de fabrication de circuits intégrés CMOS a fait qu'aujourd'hui nous avons atteint une égalité en termes de parts du marché. Cette forte croissance est étroitement liée à l'avènement des dispositifs portables grand public tels que les téléphones<br />mobiles, qui embarquent pour la majorité les fonctions photo ou vidéo. En effet, les contraintes d'intégration et de coût favorisent la technologie CMOS. Cependant la prise de vue à l'aide de ces dispositifs portables, très sujets aux tremblements, nécessite une stabilisation de la vidéo qui implique d'estimer le mouvement global inter images. Aussi, l'objectif de ce travail est d'intégrer cette fonction aux imageurs fabriqués par la société STMicroelectronics.<br />Pour ce faire, une technique novatrice pour estimer ce mouvement global est présentée dans ce mémoire. Cette méthode consiste à extraire un modèle du mouvement global à partir de mesures de déplacements locaux en périphérie des images. Elle a tout d'abord été validée de<br />façon algorithmique, avant d'être intégrée sur silicium. L'architecture finale du capteur se caractérise par une zone photosensible partitionnée en une zone centrale et une zone périphérique. La chaîne de traitement du signal comporte quant à elle un traitement au niveau pixel afin de mesurer les mouvements locaux périphériques. Elle comprend aussi un posttraitement dédié aux tâches d'estimation du modèle du mouvement global ainsi qu'à la compensation du mouvement indésiré.

Les domaines de la réalité virtuelle et du jeu vidéo convoquent les problématiques émotionnelles dans leurs objectifs respectifs de présence et de flow zone. Cependant, la question des méthodologies d'induction d'émotions dans les environnements virtuels de ces médiums n'a pas été largement questionnée. Après avoir défini ce que sont les émotions dans la littérature philosophique, psychologique et physiologiste, nous cherchons à montrer les liens supposés existants entre l'émotion et les états extatiques de présence en réalité virtuelle et de flow zone dans les jeux vidéo. Nous commençons donc par montrer combien le niveau de connaissance des médiums peut influencer la sensibilité aux inductions d'émotions dans les environnements virtuels. Puis nous mettons en place une stratégie inductive d'émotions basée sur une gestion itérative des niveaux de challenge en lien avec les niveaux de compétences acquises. Nous avons validé au travers de deux expériences empiriques ayant impliquées 176 participants, une méthodologie d'induction d'émotions basée sur un schéma circomplexe. Ce schéma, construit autour de la valence et le niveau de charge émotionnelle, permet d'induire des émotions dans les cinq composantes essentielles de la conception d'environnements virtuels pour la réalité virtuelle ou les jeux vidéo : la chromatique, la luminosité, la vitesse des mouvements, la dimension des espaces et le volume des interactions sociales.

Recent years have witnessed an explosion of multimedia contents available. In 2010 the video sharing website YouTube announced that 35 hours of videos were uploaded on its site every minute, whereas in 2008 users were "only" uploading 12 hours of video per minute. Due to the growth of data volumes, human analysis of each video is no longer a solution; there is a need to develop automated video analysis systems. This thesis proposes a solution to automatically annotate video content with a textual description. The thesis core novelty is the consideration of multiple contextual information to perform the annotation. With the constant expansion of visual online collections, automatic video annotation has become a major problem in computer vision. It consists in detecting various objects (human, car. . . ), dynamic actions (running, driving. . . ) and scenes characteristics (indoor, outdoor. . . ) in unconstrained videos. Progress in this domain would impact a wild range of applications including video search, video intelligent surveillance or human-computer interaction.Although some improvements have been shown in concept annotation, it still remains an unsolved problem, notably because of the semantic gap. The semantic gap is defined as the lack of correspondences between video features and high-level human understanding. This gap is principally due to the concepts intra-variability caused by photometry change, objects deformation, objects motion, camera motion or viewpoint change... To tackle the semantic gap, we enrich the description of a video with multiple contextual information. Context is defined as "the set of circumstances in which an event occurs". Video appearance, motion or space-time distribution can be considered as contextual clues associated to a concept. We state that one context is not informative enough to discriminate a concept in a video. However, by considering several contexts at the same time, we can address the semantic gap.

Cette thèse s'intègre dans le cadre du projet européen EUREKA "High Dynamic Range - Low NoiseCMOS imagers", qui a pour but de développer de nouvelles approches de fabrication de capteursd'images CMOS à haute performance. L'objectif de la thèse est la conception d'un système de visiontemps réel à grande gamme dynamique (HDR). L'axe principal sera la reconstruction, en temps réelet à la cadence du capteur (60 images/sec), d'une vidéo à grande dynamique sur une architecturede calcul embarquée.La plupart des capteurs actuels produisent une image numérique qui n'est pas capable de reproduireles vraies échelles d'intensités lumineuses du monde réel. De la même manière, les écrans, impri-mantes et afficheurs courants ne permettent pas la restitution effective d'une gamme tonale étendue.L'approche envisagée dans cette thèse est la capture multiple d'images acquises avec des tempsd'exposition différents permettant de palier les limites des dispositifs actuels.Afin de concevoir un système capable de s'adapter temporellement aux conditions lumineuses,l'étude d'algorithmes dédiés à la grande dynamique, tels que les techniques d'auto exposition, dereproduction de tons, en passant par la génération de cartes de radiances est réalisée. Le nouveausystème matériel de type "smart caméra" est capable de capturer, générer et restituer du contenu àgrande dynamique dans un contexte de parallélisation et de traitement des flux vidéos en temps réel