Actualité de l'ENS de Lyon

Biographie

Cesar Federico Caiafa est professeur adjoint au département d'ingénierie de l'Université de Buenos Aires (FIUBA). Il est également chercheur indépendant à l'IAR (Instituto Argentino de Radioastronomía) et au CONICET (Conseil national de la recherche scientifique et technique). Après avoir décroché son diplôme d’ingénieur en électronique en 1996, il a obtenu un doctorat en ingénierie à la faculté d’ingénierie de l’université de Buenos Aires en décembre 2007. Ses travaux portent sur les factorisations tensorielles, les représentations parcimonieuses, et leurs applications en astronomie, biomédecine et neurosciences.

Collaboration avec le laboratoire LPENSL

Dans le cadre d’un projet IEA (International Emerging Action) avec Julien Tachella de l’équipe SiSyPh, Cesar Federico Caiafa travaillera sur de nouvelles méthodes d’apprentissage pour résoudre le problème inverse non linéaire en tomographie micro-ondes (MWT), sans avoir besoin de données d’entraînement avec vérité terrain. Trois axes seront explorés :
Nouvelles architectures « déroulées » pour la tomographie micro-ondes ;
Méthodes d’apprentissage auto-supervisé adaptées au MWT ;
Évaluation des méthodes sur des données simulées d’imagerie de la cheville et intégration dans la bibliothèque deepinv.
Parmi ses contributions prévues :
•    collaborations scientifiques avec Nelly Pustelnik (réseaux déroulés) et Pierre Borgnat (traitement du signal pour les neurosciences) ;
•    colloque grand public sur les décompositions tensorielles et modèles parcimonieux ;
•    séminaire spécialisé au MLSP (ENSL & Inria) sur l’apprentissage à partir de données incomplètes ;
•    cours doctoraux sur les méthodes tensorielles en machine learning et traitement du signal.
La visite de Cesar Federico Caiafa vise à renforcer les liens entre les communautés françaises et argentines en imagerie computationnelle et à initier des collaborations à long terme, comme la mise en place d’un projet de réseau international de recherche (IRN-CNRS).

Publications majeures

• Bai B, Huang W, Li T, Wang A, Gao J, Caiafa CF, Zhao Q, “Diffusion Models Demand Contrastive Guidance for
  Adversarial Purification to Advance”, ICML 2024 (Forty-First International Conference on Machine Learning),
  Vienna, Austria.
• Zeng J, Li C, Caiafa CF, Zhao Q, "Alternating Local Enumeration (TnALE): Solving Tensor Network Structure
  Search with Fewer Evaluations”, C Li, ICML 2023 (Fortieth International Conference on Machine Learning),
  Honolulu, USA.
• Zhang J, Sun Z, Duan F, Shi L, Zhang Y, Solé-Casals J, Caiafa CF, “Cerebral cortex layer segmentation using
  diffusion magnetic resonance imaging in vivo with applications to laminar connections and working memory
  analysis”, Human Brain Mapping, 43(17), 2022.
• Caiafa, CF, Wang Z, Solé-Casals J, Zhao Q, “Learning from Incomplete Features by Simultaneous Training of
  Neural Networks and Sparse Coding” LLID Workshop at CVPR 2021 (Conference on Computer Vision and
  Pattern Recognition), New York, USA.
• Aminmansour F, Patterson A, Le L, Peng Y, Mitchell D, Pestilli F, Caiafa CF, Greiner R, White M, “Learning
  Macroscopic Brain Connectomes via Group-Sparse Factorization”. NeurIPS 2019 (Annual Conference on Neural
  Information Processing Systems), Vancouver, Canada.
• Avesani P, Caiafa CF, McPherson B, Hayashi S, Henschel R, Garyfallidis E, Patterson A, Sporns O, Saykin A,
  Pestilli F, “Derivatives as data: An open repository of repeated-measures structural connectomes and white matter
  tracts anatomy”, Nature Scientific Data 6(69), 2019.
• “Unified representation of tractography and diffusion-weighted MRI data using sparse multidimensional arrays”,
  Caiafa CF, Sporns O, Saykin AJ, Pestilli F, NeurIPS 2017 (Annual Conference on Neural Information Processing
  Systems), Long Beach, USA.
• Cichocki A, Mandic D, De Lathauwer L, Zhou G, Zhao Q; Caiafa CF, Phan HP, "Tensor decompositions for signal
  processing applications: From two-way to multiway component analysis" IEEE signal processing magazine 32.2
  (2015): 145-163.
• Caiafa, CF, and Cichocki A, "Computing sparse representations of multidimensional signals using Kronecker
  bases." Neural computation 25.1 (2013): 186-220.
  Caiafa CF, Cichocki A, “Generalizing the Column-Row Matrix Decomposition to Multi-way Arrays”, Linear Algebra and its Applications, 433 (2010): 557–573.