William Guimont-Martin est actuellement doctorant au laboratoire Norlab supervisé par le professeur Philippe Giguère à l’Université Laval, et il est membre du Norlab. Il a obtenu un baccalauréat en génie logiciel, profil distinction, de l’Université Laval en 2021. Au cours de ses études de premier cycle, William a acquis une précieuse expérience de recherche grâce à des stages dans divers contextes. Il a notamment contribué à la recherche sur l’analyse de données ultrasoniques et la vision par ordinateur lors d’un stage chez Olympus NDT Canada. Son travail chez Bentley Systems a même conduit à l’obtention d’un brevet américain, témoignage de sa capacité à innover. À l’été 2020, William a complété un stage de recherche à Norlab, où il s’est lancé dans l’application de l’apprentissage profond aux nuages de points 3D. Cette expérience charnière a déclenché sa passion pour ce domaine émergent, façonnant la trajectoire de ses activités académiques. Les principaux intérêts de recherche de William comprennent l’apprentissage profond, les nuages de points, le LiDAR et la robotique mobile.

Éducation

• M.Sc. en informatique à l’Université Laval (accès accéléré au doctorat), 2023
• B.Ing. en Génie logiciel, Profil Distinction, à l’Université Laval, 2021

Implication

Depuis 2016, William est mentor au sein d’une équipe FIRST Robotics, Les Chevaliers 5440 de l’École secondaire de la Seigneurie. Il enseigne les bases de la robotique et de la programmation à des élèves du secondaire.

Publications

Conference Articles

1. LaRocque, D., Guimont-Martin, W., Duclos, D.-A., Giguère, P., & Pomerleau, F. (2024). Proprioception Is All You Need: Terrain Classification for Boreal Forests. ArXiv Preprint ArXiv:2403.16877, Accepted to the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). https://doi.org/10.48550/arXiv.2403.16877 Accepted
    PDF    Slides    Publisher    Bibtex source
2. Guimont-Martin, W., Fortin, J.-M., Pomerleau, F., & Giguère, P. (2023). MaskBEV: Joint Object Detection and Footprint Completion for Bird’s-eye View 3D Point Clouds. Proceedings of the IEEE International Conference on Intelligent Robots and Systems (IROS). Accepted for oral presentation
    Bibtex source

Miscellaneous

1. Guimont-Martin, W., Fortin, J.-M., Pomerleau, F., & Giguère, P. (2023). MaskBEV: Joint Object Detection and Footprint Completion for Bird’s-eye View 3D Point Clouds. Colloque REPARTI, Université Laval.
    Bibtex source