L'article présenté par Dino Lenco et Cassio Fraga Dantas, intitulé « Discom-kd : Cross-modal knowledge distillation via disentanglement representation and adversarial learning », a été distingué comme le meilleur article de la conférence parmi les 1 020 soumissions, dont seulement 263 ont été retenues (soit un taux d'acceptation inférieur à 30 %). Cette conférence de vision par ordinateur est un événement majeur pour la communauté scientifique internationale, reconnue pour son prestige et classée de rang A dans plusieurs classements internationaux.

Cet article propose une méthode innovante pour exploiter efficacement l’information multimodale décrivant un même objet, en vue d’entraîner des modèles monomodaux à travers un nouveau processus de distillation de connaissances. La méthode introduit un cadre méthodologique capable d’identifier et d’extraire différents types d’informations à partir de plusieurs modalités de données. Cela permet d’améliorer l’organisation du raisonnement interne des modèles de réseaux de neurones profonds tout en maximisant la complémentarité des modalités pendant l’entraînement.

Les expériences réalisées sur trois jeux de données standards, en comparaison avec des approches compétitives récentes, ont confirmé la pertinence et la performance de la méthode proposée. Ces résultats illustrent le potentiel de cette approche pour repousser les limites actuelles dans le domaine de la vision par ordinateur.