Revising the use of deep learning for effective point clouds quality assessment
L'avancement rapide des technologies d'imagerie et la disponibilité de dispositifs d'acquisition abordables ont profondément transformé les modes de vie humains, permettant une capture détaillée et la mémorisation de nos interactions avec le monde. Les utilisateurs contemporains exige...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , |
| Format: | Thèse numérique |
| Langue: | Anglais |
| Publié: |
2024.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral https://theses.univ-orleans.fr/public/2024ORLE1079_va.pdf http://www.theses.fr/2024ORLE1079/abes https://theses.hal.science/tel-05037631 |
| Note: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....) Partenaire(s) de recherche : Laboratoire Pluridisciplinaire de recherche en ingénierie des systèmes, mécanique et énergétique (Orléans ; 2008-....) (Laboratoire) Autre(s) contribution(s) : Patrick Le Callet (Président du jury) ; Frédéric Dufaux (Membre(s) du jury) ; Lu Zhang, Mylene C. Q. Farias (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Révision de l'utilisation de l'apprentissage profond pour une évaluation efficace de la qualité des nuages de points |