Stochastic super-resolution and inverse problems : from Gaussian conditional sampling to diffusion models
Cette thèse étudie la résolution stochastique des problèmes inverses en imagerie, à travers l'échantillonnage conditionnel gaussien et les modèles de diffusion. Elle s'intéresse principalement à la super-résolution, qui consiste à améliorer la résolution d'une image à partir d'un...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , , , |
| Format: | Thèse numérique |
| Langue: | Anglais |
| Publié: |
2025.
|
| Sujets: | |
| Accès en ligne: | Accès au texte intégral https://theses.univ-orleans.fr/public/2025ORLE1033_va.pdf http://www.theses.fr/2025ORLE1033/abes https://theses.hal.science/tel-05386740 |
| 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 : Institut Denis Poisson (Orléans, Tours ; 2018-....) (Laboratoire) Autre(s) contribution(s) : Agnès Desolneux (Président du jury) ; Jean-François Giovannelli, Gilles Louppe (Membre(s) du jury) ; Pierre Weiss, Gabriel Peyré (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Super-résolution stochastique et problèmes inverses :, de l'échantillonnage conditionnel gaussien aux modèles de diffusion |