L’annotation manuelle ne passe pas à l’échelle. En corrélant deux flux, la dégradation lue sur l’un fournit le ground-truth de l’autre. Fusion mid-level pour un contexte multimodal.
L’annotation manuelle est lente, coûteuse et difficile à reproduire. Sur des signaux continus, elle devient ingérable. La question n’est pas comment annoter plus vite, mais comment éviter d’annoter du tout.
Le ground-truth par corrélation
Deux flux observent le même phénomène sous deux angles. Quand un signal se dégrade, cette dégradation laisse une trace mesurable sur l’autre flux. On lit donc la vérité d’un signal dans le comportement du second.
Le label naît de cette corrélation, pas d’un opérateur. Si le flux A perd en qualité d’une façon reconnaissable sur le flux B, B sert de référence pour étiqueter A. Le processus s’automatise et produit des milliers de labels cohérents, sans biais d’annotateur.
Fusion mid-level
On ne fusionne ni les pixels bruts ni les seules décisions finales. On fusionne à mi-niveau, sur des représentations déjà structurées mais encore riches. Ce niveau garde l’information croisée entre flux tout en restant assez compact pour l’apprentissage.
Le contexte devient multimodal sans étiquetage humain. Chaque flux enrichit l’autre et le supervise. Le principe à retenir. Quand deux signaux mesurent la même réalité, l’un peut annoter l’autre, et l’annotation manuelle disparaît.