CIRM - HOME (EN)
CIRM - ACCUEIL (FR)

WORKSHOP

DeepInverse Hackathon: an open-source library for computational imaging
Hackathon DeepInverse : une bibliothèque d’imagerie computationnelle open source

31 August – 2 September, 2026

INTRANET FOR ORGANIZERS

Organizing Commitee
Comité d’organisation

Samuel Hurault (CNRS, Université Gustave Eiffel)
Julián Tachella (CNRS, ENS Lyon)
Romain Vo (CNRS, ENS Lyon)

IMPORTANT WARNING:  Scam / Phishing / SMiShing ! Note that ill-intentioned people may be trying to contact some of participants by email or phone to get money and personal details, by pretending to be part of the staff of our conference center (CIRM).  CIRM and the organizers will NEVER contact you by phone on this issue and will NEVER ask you to pay for accommodation/ board / possible registration fee in advance. Any due payment will be taken onsite at CIRM during your stay.

This workshop will serve as a hackathon to develop DeepInverse https://deepinv.github.io/, an open-source PyTorch library for solving imaging inverse problems with deep learning. DeepInverse aims to cover most of the steps in modern imaging pipelines, from the definition of the forward sensing operator to the training of reconstruction networks in a supervised or self-supervised way. The library is the recipient of the obtained the 2024 documentation award at the French Open Source Software for Science Awards https://www.ouvrirlascience.fr/deepinverse/, and is part of the official PyTorch Ecosystem https://pytorch.org/blog/deepinverse-joins-pytorch-ecosystem/ (the leading open-source deep learning library) since November 2025, and is also part of the Inria’s P16 AI program https://p16.inria.fr/fr/ since March 2026.
The goal of the workshop is to bring together contributors to the library across Europe to develop this open-source project further and consolidate a growing community of researchers using the library in their research projects. The workshop will focus on the addition of new functionalities, in particular new advanced imaging operators, such as positron emission tomography and single-photon emission computed tomography, a general framework for diffusion methods for inverse problems, and new benchmarks for comparing state-ofthe-art learning-based image reconstruction methods. The overarching goal of the workshop is to continue consolidating the library as a default tool for solving inverse problems with deep learning across various research communities.

Cet atelier servira de hackathon pour développer DeepInverse https://deepinv.github.io/, une bibliothèque open-source PyTorch dédiée à la résolution de problèmes inverses en imagerie grâce à l’apprentissage profond. DeepInverse vise à couvrir la plupart des étapes des pipelines d’imagerie modernes, depuis la définition de l’opérateur de mesure direct jusqu’à l’entraînement de réseaux de reconstruction de manière supervisée ou auto-supervisée. La bibliothèque a reçu le prix de la documentation 2024 aux Prix Science Ouverte du Logiciel Libre de la Recherche https://www.ouvrirlascience.fr/deepinverse/, fait partie de l’écosystème officiel PyTorch https://pytorch.org/blog/deepinverse-joins-pytorch-ecosystem/ (la principale bibliothèque open-source d’apprentissage profond) depuis novembre 2025, et fait aussi parti de l’ecosystem Inria P16 https://p16.inria.fr/fr/ depuis mars 2026. L’objectif de cet atelier est de rassembler les contributeurs à la bibliothèque à travers l’Europe pour faire progresser ce projet open-source et consolider une communauté croissante de chercheurs utilisant cet outil dans leurs projets de recherche. L’atelier se concentrera sur l’ajout de nouvelles fonctionnalités, notamment de nouveaux opérateurs d’imagerie avancés tels que la tomographie par émission de positons et la tomographie par émission monophotonique, un cadre général pour les méthodes de diffusion appliquées aux problèmes inverses, ainsi que de nouveaux benchmarks pour comparer les méthodes de reconstruction d’images par apprentissage à l’état de l’art. L’ambition globale de cet atelier est de continuer à positionner la bibliothèque comme un outil de référence pour résoudre des problèmes inverses avec l’apprentissage profond au sein des différentes communautés scientifiques.