Projet multi-sites SSLAM
Informations sur le project global
Nom complet | Scale-Space for Machine Learning on 3d Point Clouds |
Objectifs scientifiques | Pour ce projet, nous tirons parti de l'adaptation de l'analyse Scale-Space aux nuages de points 3D. Nous avons proposé de détecter des caractéristiques dans les nuages de points par le biais d'une classification bord/non bord des points en combinant les calculs de Scale-Space avec un réseau neuronal dédié. Cette nouvelle idée permet d'améliorer considérablement la qualité de la classification, la vitesse d'apprentissage et de calcul, la frugalité et la consommation d'énergie. Dans ce projet, nous nous appuierons sur cette proposition et explorerons l'association de Scale-Space et de ML pour l'extraction de connaissances géométriques et sémantiques à partir de nuages de points acquis de manière complexe et composés de milliards de points. Notre objectif est d'accélérer le calcul de Scale-Space et de définir des modèles de ML plus avancés. Nous nous concentrerons sur des approches rapides et réalisables, et étudierons la conception de systèmes interactifs pilotés par l'expertise de l'utilisateur et la spécificité de l'application (par exemple, l'apprentissage interactif et adaptatif). |
Date de début du projet | 2023 |
Date de fin du projet | 2027 |
Porteur du projet |
Nicolas Mellado |
Financement | ANR |