Stockage probabiliste et reconstruction stochastique d’images par modélisation gaussienne

Ce projet vise à concevoir, implémenter et évaluer plusieurs méthodes non conventionnelles de stockage de données, fondées non sur la conservation exacte de l’information, mais sur des représentations génératives ou prédictives permettant de reconstituer approximativement les données à partir d’une forme plus compacte. Ce travail a une visée expérimentale et exploratoire : il s’agit de tester la faisabilité de l'approche, de mesurer les performances obtenues, et d’évaluer le compromis entre compression et fidélité. Les objectifs sont d'appliquer des concepts de modélisation, approximation et théorie de l’information ; développer des prototypes de stockage/récupération efficaces ; évaluer expérimentalement des approches hybrides entre compression, prédiction et stockage génératif ; explorer les limites de la restitution avec perte contrôlée.