Logiciels
L’Idiap a fait ses preuves dans la diffusion de données et de logiciels largement adoptés
Cet engagement va au-delà de simples contributions logicielles. L’Idiap participe activement à de nombreux projets, des initiatives de petite envergure aux projets les plus en vue. Pour faciliter le partage avec la communauté des améliorations apportées par ses chercheur·euses, l’institut a conclu divers accords de licence de contributeur d’entreprise (CLA) ou arrangements équivalents avec The Qt Company, The Python Project, la Cloud Native Computing Foundation, la Cloud Foundry Foundation et Google. Grâce à ces CLA, les collaborateurs de l’Idiap peuvent contribuer à de grands projets open source.
L’Idiap crée et met à disposition un nombre important de logiciels professionnels. Au cours des cinq dernières années, l’Idiap a enregistré 206 déclarations de logiciels, ce qui a permis de diffuser 122 paquets logiciels open source et d’accorder 84 licences commerciales sur des brevets et des logiciels.
Parmi les logiciels créés par l’Idiap figurent Fast Transformers, PyDHN, Kaldi et Bob. Le projet GitHub Fast Transformers, qui compte plus de 1400 étoiles et plus de 160 forks, a été utilisé dans Muzic, un projet de Microsoft consacré à la compréhension et à la génération musicales. Le paquet open source PyDHN, dédié à la simulation physique des réseaux de chauffage à distance, calcule la pression, la température et le débit massique dans les conduites à partir des seules conditions aux limites à la ou aux centrales et aux sous-stations ; il est intégré à des outils SIG open source pour un impact plus large sur la société. L’outil open source de modélisation de la parole Kaldi, considéré comme l’une des principales technologies de la communauté pour la recherche et l’innovation, a été cité 6781 fois. Bob, un ensemble d’outils open source favorisant la recherche reproductible, compte 25 versions, plus de 100 dépôts satellites et plus de 5000 commits dans son dépôt principal.
Liste des logiciels
Nom | Description | Date |
|---|---|---|
variant-extraction | Adapting Small Language Models for Genetic Variant Extraction | |
dialfork | DialFork: a benchmark for procedural hallucination in conversational agents, when an LLM agent stays fluent and factually correct but stops following its intended workflow. Evaluation code, baselines and the paper's methods. | |
lunar | A workspace for PRISM repositories, skills, data sources, reports and workflows. | |
Topic-GCN | Topic-GCN, a heterogeneous graph convolutional network that jointly encodes word, latent topic, and document nodes, enabling explicit modelling of topic--document associations for interview-level classification | |
vlmfr | vlmfr is a research toolkit for benchmarking open-weight Vision Language
Models (VLMs) on face recognition and verification tasks. It replaces
traditional face embeddings by feeding image pairs directly to VLMs and
extracting structured similarity scores via guided JSON decoding. | |
llm-asr-context-projector | A parameter-efficient context projection module that combines with a frozen LLM-based ASR backbone | |
llm-asr-text-only-adaptation | A novel lightweight text-only adaptation method for LLM-based ASR that
uses denoising and multi-view noise-driven batching to adapt to new
domains while preserving speech-text alignment | |
BTPBench | Python library for evaluating Biometric Template Protection (BTP) algorithms. | |
Evaluating Multimodal Large Language Models for Heterogeneous Face Recognition | A systematic evaluation of state-of-the-art MLLMs for heterogeneous face recognition (HFR), where enrollment and probe images are from different sensing modalities, including visual (VIS), near infrared (NIR), short-wave infrared (SWIR), and thermal camera. | |
Synthetic Data Generation for Low-Resolution Face Recognition | Code for "Improving Low-Resolution Face Recognition under Limited Data:
How Synthetic Data Generation Can Close the Domain Gap" at IJCB 2026
Focus Session "Generative AI for Fair and Secure Biometrics under
Limited Data". |
