Apprentissage profond non supervisé pour l'analyse et la simplification de modèles 3D de ville
FR |
EN
Auteur / Autrice : | Elliot Vincent |
Direction : | Mathieu Aubry, Jean Ponce |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 01/09/2021 |
Etablissement(s) : | Marne-la-vallée, ENPC |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) |
Equipe de recherche : A3SI - Algorithme, Architecture, Analyse et Synthèse d'Image |
Mots clés
FR |
EN
Résumé
FR |
EN
Le but de la thèse est la décomposition et la simplification de scènes 3D à partir de prototypes en faisant face à plusieurs défis : comment apprendre sans supervision ? comment gérer la complexité inhérente à des données réelles ? et comment passer des méthodes à l'échelle de millions de points ? La bonne compréhension de modèles 3D de ville est indispensable à la mise en place de pratiques automatisées de maintenance, de propreté et de planification de l'espace urbain.