Un collectif de chercheurs a formalisé un nouveau paradigme de vision par ordinateur baptisé « imagerie à remontée temporelle », dont l’objectif est de reconstruire les interactions passées entre un humain et son environnement à partir des traces physiques résiduelles que ces interactions laissent derrière elles. Publié sous forme de prépublication sur arXiv, ce travail pose une question qui se situe au carrefour de la physique, de la vision artificielle et de l’IA générative : un modèle peut-il déduire ce qui vient de se produire dans une scène en lisant les indices en voie d’effacement de l’événement ?
Le postulat repose sur des phénomènes physiques observables. Lorsqu’une personne s’assoit sur une chaise, sa chaleur corporelle se transfère à la surface et se dissipe lentement. Quand une main touche une table, des huiles et des variations de température subsistent. Si un liquide se renverse, il laisse une signature visible, ultraviolette ou thermique qui évolue dans le temps. Ces traces ne sont pas permanentes — elles s’estompent, s’étendent et finissent par disparaître — mais dans les instants et les minutes qui suivent une interaction, elles portent en elles une information sur ce qui s’est produit.
Pour explorer cette piste, les chercheurs ont constitué un ensemble de données baptisé TRACE-HEI, qui contient des séquences vidéo tri-modales synchronisées — dans les spectres thermique, ultraviolet et visible — d’actions aussi variées que s’asseoir, toucher des objets, déplacer des articles ou renverser des liquides. Chaque action a été enregistrée sur des matériaux variés, les traces étant capturées jusqu’à trois minutes après le contact. Ce jeu de données est le premier du genre conçu spécifiquement pour ce problème d’inférence inverse.
L’approche proposée se déroule en deux étapes. Dans un premier temps, un modèle extrait des descriptions textuelles structurées des traces détectées à partir des données multi-modales — par exemple « empreinte thermique d’une main sur un bureau » ou « résidu liquidien fluorescent aux UV sur un tissu ». Ces descriptions servent ensuite à conditionner un modèle de diffusion guidé par vision-langage, qui génère des reconstructions plausibles de l’image passée.
Les expériences menées montrent que l’inférence d’événements récents à partir de traces évanescentes est difficile mais réalisable, et que la combinaison des modalités thermique, UV et visible réduit l’ambiguïté des solutions de manière bien plus significative que n’importe quelle modalité prise isolément. Aucun spectre unique ne capturait l’ensemble des informations pertinentes : les relevés thermiques saisissaient la chaleur corporelle mais ignoraient les résidus chimiques, tandis que l’UV révélait des contaminants invisibles à l’œil nu mais aucunement les motifs thermiques.
Les auteurs présentent explicitement ces travaux comme une preuve de concept plutôt qu’un système déployable. L’ensemble de données actuel couvre un nombre limité d’actions et de matériaux, et l’article souligne la difficulté d’inférer un ordre temporel exact et des dynamiques fines à partir de traces statiques ou en décomposition. Le paradigme ouvre néanmoins une voie pour la compréhension de scènes qui dépasse ce que l’observation instantanée peut offrir — lire l’historique d’une pièce dans sa mémoire physique plutôt que depuis un dispositif d’enregistrement.
Les applications potentielles couvrent l’analyse médico-légale, la surveillance de sécurité et l’interaction homme-machine, bien que des avancées substantielles en matière de captation multi-modale et de modélisation générative soient nécessaires avant tout déploiement pratique.
Traduit par Lydie
Sources : Time-Reversed Imaging: A Multimodal Benchmark and Framework (arXiv:2607.22352, 24 juillet 2026) ; Time-Reversed Imaging benchmark (TechRadar, 27 juillet 2026)