针对不确定性因素的多模态学习技术用于颜料映射：XRF与高光谱数据的联合融合

该博士项目致力于开发一种高效且能识别不确定性的数据框架，用于文化遗产艺术品中的颜料映射分析，该框架将利用X射线荧光（XRF）和光学成像等传感器所获取的异构光谱数据。其目标是实现多模态成分分离，以估算颜料含量，同时解决领域变化及传感器数据差异带来的挑战。

职位说明： 项目描述： 在博物馆艺术品保护领域（包括二维和三维作品，如绘画、照片、雕塑等），材料识别具有至关重要的意义。本博士研究将重点聚焦于材料与颜料的识别工作。研究目的旨在开发一种高效且能处理不确定性问题的数据框架，以用于文化遗产领域的颜料映射。来自不同传感器的异构光谱与成像数据将被联合利用，包括X射线荧光（XRF）技术以及光学反射与荧光成像（高光谱/多光谱技术）。 主要目标是多模态混合分解，即在有限的监督条件下，在传感器与艺术品之间存在显著的领域差异的情况下，估算各位置的颜料丰度。随后可依据混合分解结果（端元存在情况及丰度分布）进行颜料识别，同时可引入可选的辅助分类目标以稳定训练过程。 该研究将明确考虑不同模态混合规律：XRF混合数据通常可以通过适当的表示方式近似为（准）线性混合，而光学光谱混合则通常可通过库贝尔卡-蒙克理论或相关的辐射传输近似模型来描述。这些物理规律将指导模型设计，限制潜在空间，并提升可解释性。

所需个人背景与技能要求： 申请者应持有光学、物理、计算机视觉、深度学习或相关学科领域的硕士学位，且具备出色的学术成绩。 录取资格将依据学术资质与相关专业经验的综合情况来确定。入选候选人必须具备在巴黎萨克雷大学博士项目学习的资格。 申请者应展示： • 强烈的科研动力 • 对文化遗产与保护科学的兴趣 • 能够独立工作，亦能参与跨领域的国际合作团队 • 强大的分析与解决问题能力 • 优秀的英语写作与口语能力 • 能够按时交付成果并产出高质量作品 • 通过科学论文发表及国际会议传播研究成果的意愿 所需英语水平：高级水平：您能够以更复杂、更自然的方式进行交流，并涉及多种主题。