Annuaire des initiatives

Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.

  • École normale supérieure Paris-Saclay
  • Matplotlib
  • Sat-NeRF est un modèle avancé utilisant des champs de radiance neuronaux (NeRF) pour traiter des images satellites multi-vues. Il permet de générer des modèles 3D précis de surfaces terrestres, même en présence d'objets transitoires ou de variations d'ombre. Le système combine des techniques de photogrammétrie et d'apprentissage profond pour produire des reconstructions de haute qualité, utiles pour l'analyse géographique, l'urbanisme ou la gestion des risques.
  • Outil open source dédié à l'ajustement de faisceaux (bundle adjustment) pour les images satellites. Il permet de raffiner les modèles de caméras RPC (Rational Polynomial Camera) à partir de correspondances de caractéristiques entre plusieurs vues. Le projet supporte les collections d'images multi-dates et multi-vues, améliorant ainsi la précision géométrique des données satellitaires pour des applications en cartographie, télédétection ou analyse spatiale.
  • Ce projet est une bibliothèque Python dédiée à l'ajustement robuste de modèles de caméras basés sur des polynômes rationnels. Il permet de calibrer des capteurs d'imagerie spatiale ou aérienne, comme les satellites SAR ou les capteurs pushbroom, en utilisant des correspondances entre points 3D (coordonnées géographiques) et 2D (coordonnées d'image). L'outil facilite l'analyse et la correction des distorsions des capteurs pour améliorer la précision des données géospatiales.
  • Ce projet génère un jeu de données géospatial à grande échelle pour la détection d'ombres en imagerie satellite. Il assemble des images multispectrales, des modèles numériques de surface (DSM) issus de LiDAR, et des masques d'ombres calculés géométriquement. Les données proviennent de sources publiques comme l'USGS et sont destinées à des applications en télédétection et vision par ordinateur. Le pipeline automatisé produit des tuiles géoréférencées, des corrections radiométriques et des alignements de données pour faciliter l'entraînement de modèles d'IA.
  • Ce projet propose une solution logicielle pour éliminer le bruit de motif fixe (FPN) dans les images capturées par des caméras infrarouges multi-vues à capteur unique. Il permet d'améliorer la qualité des images en réduisant les artefacts indésirables, facilitant ainsi une analyse plus précise des données thermiques. Les algorithmes développés s'appuient sur des méthodes avancées de traitement d'image et d'apprentissage automatique pour restaurer les images corrompues par le bruit.
  • Projet de recherche dédié à la détection d'ombres dans les images satellites à haute résolution. Il propose des outils pour entraîner, évaluer et affiner des modèles d'intelligence artificielle spécialisés dans l'analyse des ombres portées. Le code permet de traiter des données géospatiales pour des applications en télédétection, cartographie et observation de la Terre. Les modèles générés aident à améliorer la précision des analyses environnementales et urbaines.
  • Bibliothèque Python dédiée à la détection hors ligne de points de rupture dans des signaux. Elle permet d'identifier et de segmenter des changements de régime dans des séries temporelles, utiles pour l'analyse de données non stationnaires. Le projet propose une interface simple et modulaire, facilitant l'intégration de différents algorithmes et modèles pour répondre à des besoins variés en traitement du signal et en statistique.
  • Ce projet développe des modèles d'intelligence artificielle pour améliorer la résolution des images satellites Sentinel-2. Il permet de générer des cartes haute résolution à partir de données multispectrales, en exploitant des approches auto-supervisées et des séries temporelles. Les outils développés sont utiles pour la surveillance environnementale, l'agriculture de précision ou la gestion des risques naturels.

8 initiatives