진학프로석·박사 채용 접수 플랫폼

Identification du poste

Intitulé du poste : Postdoctorat dans le projet ANR 4DPlants
Type de contrat : postdoctoral
Catégorie hiérarchique FP: A
Durée du contrat/projet : 12 mois
Date prévisible d’embauche : 01/02/2026
Quotité de travail : 100 %
Composante, Direction, Service : Laboratoire ICube, équipe IGG
Niveau d’étude souhaité : doctorat en informatique
Niveau d’expérience souhaité : doctorat en informatique, attesté par des publications dans des journaux internationaux et/ou des actes de conférences internationales

Contact(s) pour renseignements sur le poste : Prof. Franck Hétroy-Wheeler, 4DPlants project leader, hetroywheeler@unistra.fr
Date de publication de l’offre : 12/12/2025
Date limite de réception des candidatures : 09/01/2026

Projet ou opération de recherche

Le sujet de ce poste postdoctoral s'inscrit dans le cadre du projet ANR 4DPlants (https://4dplants.icube.unistra.fr/), financé par le ministère français de l'Enseignement supérieur et de la Recherche, et mené en partenariat par ICube/Université de Strasbourg, RDP/ENS Lyon et Inria Grenoble. L'objectif global du projet 4DPlants est de développer de nouvelles méthodes de segmentation sémantique et par instance pour les nuages de points 3D photogrammétriques évoluant au cours du temps de plantes en croissance, en vue d'applications de phénotypage à haut débit. Un volet essentiel du projet consiste à élaborer des données d'entraînement pour une méthode d'apprentissage profond visant à prédire une représentation procédurales des plantes. Ces données d'entraînement doivent être obtenues à partir de jeux de données réels comportant des organes annotés à chaque étape temporelle. Le haut niveau d'expertise et le temps requis pour produire de telles annotations rendent une approche manuelle impraticable.
Ce poste postdoctoral est axé sur l'alignement (registration) spatio-temporel d'une plante en croissance. Plus précisément, étant donnée une séquence temporelle de nuages de points 3D {P1, P2, …, PN} d'une plante en croissance, et en supposant que les segmentations sémantiques et par instance des organes de la plante soient fournies au moins pour P1, nous souhaitons propager automatiquement des étiquettes de segmentation cohérentes à travers toute la séquence de nuages de points et détecter les déformations de chaque organe. La méthode doit être robuste aux fines ramifications et aux événements affectant les organes, notamment l'apparition de nouveaux organes, qui entraînent de nouvelles étiquettes sémantiques ou par instance, ainsi que la modification ou la disparition d'autres étiquettes (par exemple, l'éclosion de bourgeons ou la sénescence des feuilles). Pour garantir l'évolutivité, la méthode doit être efficace en termes de temps de calcul et de consommation de mémoire, et aussi automatisée que possible.

Activités

Description des activités de recherche :
Bibliographie relative au projet et rédaction d'un rapport de synthèse.
Conception et implémentation d'une méthode d'alignement spatio-temporel pour les nuages de points 3D de plantes en croissance.
Évaluation qualitative et quantitative approfondie de la méthode.
Communication des résultats par le biais de présentations lors de conférences et publication dans une revue internationale.

Activités associées :
Participation aux activités de l'équipe de recherche de l'IGG, notamment aux réunions régulières. Présentations des travaux lors d'ateliers et de conférences, publications.

Compétences

Qualifications / Connaissances :
Doctorat en informatique, avec une spécialisation en vision par ordinateur, traitement numérique de la géométrie et/ou apprentissage automatique. Aucune connaissance spécifique des plantes n'est requise.

Compétences opérationnelles /savoir-faire :
Maîtrise de l’algorithmique et de la programmation en C++ et Python. Expérience d'utilisation de Git, Overleaf et des notebooks Jupyter.

Savoir-être :
Aptitude à communiquer et à travailler en équipe.

Environnement et contexte de travail

Présentation de la composante / unité de recherche :
Voir https://igg.icube.unistra.fr/en/index.php/Main_Page

Relation hiérarchique :
Le/la postdoctorant(e) travaillera au sein du projet 4DPlants, en étroite collaboration avec le Pr Franck Hétroy-Wheeler (responsable du projet), le Dr Rémi Allègre et le Dr Joris Ravaglia.

Conditions particulières d’exercice :
Le travail peut être partiellement effectué à distance, sous certaines conditions.

Pour postuler, veuillez adresser CV, lettre de motivation le(s) diplôme(s) à l’attention de :
Pr Franck Hétroy-Wheeler (hetroywheeler@unistra.fr)
Dr Rémi Allègre (remi.allegre@unistra.fr)
Dr Joris Ravaglia (ravaglia@unistra.fr)

----------------------------------------------------------------------------------------------------------

Position identification
Title of post : Postdoctoral position in the ANR 4DPlants project
Type of contract : postdoc
Category (A,B or C) : A
Contract/project period : 12 months
Expected date of employment : 01/02/2026
Proportion of work : 100 %
Workplace : ICube research unit, IGG team (University of Strasbourg)
Desired level of education : PhD in computer science
Experience required : PhD in computer science, with publications in international journals and/or in proceedings of international conferences

Contact(s) for information on the position (identity, position, e-mail address, telephone) : Prof. Franck Hétroy-Wheeler, 4DPlants project leader, hetroywheeler@unistra.fr
Date of publication : 12/12/2025
Closing date for the receipt of applications : 09/01/2026

Research project or operation
The subject of this postdoctoral position falls within the scope of the ANR project 4DPlants (https://4dplants.icube.unistra.fr/) funded by the French Ministry of Higher Education and Research, which involves partners from ICube/Université de Strasbourg, RDP/ENS Lyon, and Inria Grenoble. The overall objective of the 4DPlants project is to develop new methods for the semantic and instance segmentation of time-varying photogrammetry 3D point clouds of growing plants for high throughput phenotyping applications. A key part of the project is to craft training data for a Deep Learning-based method aimed at predicting procedural plant representations. Those training data should be obtained from real datasets with annotated organs at each time step. The high-level of expertise and time required to produce such annotations make a manual approach intractable. This postdoctoral position focuses on providing a space-time registration of a growing plant. Specifically, given a temporal sequence of 3D point clouds {P1, P2, …, PN} of a growing plant and supposing semantic and instance segmentations of the plant organs is given at least for P1, we want to automatically propagate consistent segmentation labels through the whole point
cloud sequence and find deformations for each organ. The method must be robust to fine branching structures and organ events, including the appearance of new organs, that lead to new semantic or instance labels, as well as the change or loss of some other ones (e.g., buds opening, or leaf senescence). To ensure scalability, the method should be efficient in terms of time and memory consumption, and as automatic as possible.

Activities

Description of the research activities :
Bibliography related to the project and writing of a state-of-the-art report.
Design and implementation of a space-time registration method for 3D point clouds of growing plants.
Thorough qualitative and quantitative evaluation of the method.
Communication of the results through conference presentations and publication in an international journal.

Related activities :
Participation in the IGG research team activities, including to the regular meetings. Presentations of the work to workshops and conferences, publications.

Skills

Qualifications/knowledge :
PhD in computer science, with a specialisation in computer vision, digital geometry processing and/or machine learning. No specific knowledge about plants is required.

Operational skills/expertise :
Algorithmic and programming skills in C++ and Python. Experience in using Git, Overleaf, Jupyter notebooks.

Personal qualities :
Ability to communicate and to work in a team.

Environment and context of work

Presentation of the laboratory/unity :
See https://igg.icube.unistra.fr/en/index.php/Main_Page

Hierarchical relationship :
The postdoc will work within the 4DPlants project, in close collaboration with Prof. Franck Hétroy-Wheeler (PI), Dr Rémi Allègre and Dr Joris Ravaglia.

Special conditions of practice :
Work can partially be done remote, under conditions.

To apply, please send your CV, cover letter and diploma to :
Prof. Franck Hétroy-Wheeler (hetroywheeler@unistra.fr)
Dr Rémi Allègre (remi.allegre@unistra.fr)
Dr Joris Ravaglia (ravaglia@unistra.fr)