Antoine Mœvus

Antoine Mœvus

Doctorant en informatique, Université de Montréal (DIRO)
Enseignant en informatique, Collège Ahuntsic

antoine.moevus@umontreal.caGoogle ScholarGitHubORCID

Portrait d'Antoine MœvusAntoine Mœvus en astronaute, image humoristique

Créer • Comprendre • Transmettre

Je travaille sur des systèmes numériques pour l'imagerie et la visualisation de données, de l'acquisition jusqu'à l'image finale. Parallèlement à ma recherche, je donne des cours d'informatique et de développement logiciel dans l'enseignement supérieur.

Actualités

Toutes les actualités →
  • oct. 2026Participation à l'atelier « Droit d'auteur aux cycles supérieurs » des Bibliothèques de l'Université de Montréal.
  • sept. 2026Le Collège Ahuntsic lance l'AEC Technologie financière et intelligence artificielle, premier programme collégial du genre au Québec, conçu avec un collègue : lire l'annonce.
  • sept. 2026Trois prépublications sur arXiv : le déroulement de phase par tuiles, le tuilage adaptatif et BRiDCT, dont le code est ouvert.
  • sept. 2026Présentation prédoc III au DIRO, sur le déroulement de phase bidimensionnel : état de l'art, modèle DCT–Poisson par tuiles et proposition de recherche (annonce).
  • hiver 2026Chargé de cours d'IFT 2425 — Introduction aux algorithmes numériques à l'Université de Montréal.
  • 2025Article sur la détection d'émotions dans les interfaces d'application, présenté à IISA 2025.
  • mai 2024Début du doctorat au DIRO, sous la direction de Max Mignotte.

Recherche

Mes intérêts de recherche portent sur la chaîne de l'imagerie, de l'acquisition des données à leur visualisation. J'ai travaillé avec des modalités variées : caméras de profondeur, infrarouges et RGB, IRM, échographie et interférométrie radar (InSAR).

Pour le traitement, je combine calcul scientifique et apprentissage automatique. J'accorde une attention particulière à l'implémentation performante (SIMD, multicœur, GPU), sur des plateformes allant des systèmes embarqués (TinyML) aux postes de travail.

Pour la visualisation, je m'intéresse à la perception et à l'interaction humain-machine : cartes perceptuelles pour l'analyse clinique de la marche, visualisation de données, et conception d'applications fondée sur la perception humaine (perceptually informed design).

Ma thèse de doctorat, à l'Université de Montréal sous la direction de Max Mignotte, porte sur le déroulement de phase sans vérité terrain.

Intérêts

  • visualisation de données
  • interaction humain-machine
  • vision par ordinateur
  • apprentissage automatique
  • calcul scientifique et optimisation proche du matériel

Formation

Approche pédagogique

Tout l'enseignement →

  • Apprendre en faisant

    Placer la pratique au cœur du cours : c'est en faisant que l'on retient, que l'on réfléchit et que l'on se questionne.

  • Gagner confiance par étapes

    Penser chaque cours et chaque leçon comme une montée en compétences graduelle : connaître une notion, puis la maîtriser et l'approfondir, plutôt que la retenir par cœur.

  • Encourager le questionnement

    Susciter la réflexion en amenant chacun à se poser des questions de plus en plus approfondies et de plus en plus claires.

  • Être ouvert, avec discernement

    Accueillir les nouveaux outils et les nouvelles idées avec curiosité, puis les adopter avec mesure, en gardant un regard critique.

Publications

Toutes les publications →
  • Première page de l'article sur arXiv
    Phase enroulée d'une image InSARLa même phase, déroulée par la méthode par tuiles 8×8

    Tile-Based Phase Unwrapping with Reliability-Ordered Joining and Residual-Weighted Multipath Averaging.

    A. Moevus, M. Mignotte.

    Prépublication, arXiv:2609.13409, 2026.

    arXiv ↗

  • Cartes d'asymétrie de la marche, figure 7 de l'article (CC BY 4.0)

    A perceptual map for gait symmetry quantification and pathology detection.

    A. Moevus, M. Mignotte, J. A. de Guise, J. Meunier.

    BioMedical Engineering OnLine, 14:99, 2015.

    DOI ↗

  • Modèle géométrique d'un ruban, figure 2 de l'article
    Photo de totems, issue de la base BSDS300Symétries locales (noir) et contours (couleur) détectés, superposés à la photo (figure 7)

    Local symmetry detection in natural images using a particle filtering approach.

    N. Widynski, A. Moevus, M. Mignotte.

    IEEE Transactions on Image Processing, 23(12):5309–5322, 2014. Figures © 2014 IEEE.

    DOI ↗

Projets

Tous les projets →

Expérience industrielle

Parcours complet →

Powertree, Montréal

Vice-président, intelligence artificielle · 2021–2022

  • Direction de l'équipe de vision par ordinateur et de traitement du langage, relevant directement de la haute direction.
  • Responsabilité des processus de reconnaissance et de lecture des étiquettes d'équipements électriques.
  • Déploiement infonuagique de modèles d'IA pour un logiciel de maintenance des systèmes électriques de bâtiments.

Mirametrix, Montréal

Recherche et développement en vision par ordinateur · 2015–2018

  • Développement d'une bibliothèque haute performance de géométrie épipolaire pour la vision par ordinateur.
  • Développement d'algorithmes de suivi du regard et de détection de visages en temps réel, en C++ et Python.
  • Portage d'algorithmes de vision et de réseaux de neurones sur des systèmes embarqués (TinyML), pour des applications automobiles.
  • Conception et réalisation du système d'acquisition de données de capture de mouvement, à très haute fréquence et à grand volume.

Enseignement

Visualisation interactive du cours IFT 2425 : effet des conditions frontières sur une spline cubique

IFT 2425 — Introduction aux algorithmes numériques

Chargé de cours, Université de Montréal · hiver 2026

Ressources pédagogiques publiques, accompagnées de visualisations interactives des méthodes numériques.

Voir le cours →

Tout l'enseignement →

Contact

Pour une collaboration de recherche ou un mandat de R&D en imagerie, vision par ordinateur, interaction humain-machine, calcul scientifique ou visualisation, écrivez-moi à antoine.moevus@umontreal.ca.

Montréal, Québec