Projet de deep learning dédié à l'analyse automatisée d'images archéologiques pour identifier des traces de pigment bleu sur les murs du Temple d'Apollon à Delphes. Développé en collaboration avec Archeovision et dans le cadre d'un master universitaire, il combine traitement d'images, augmentation de données et entraînement de modèles UNet pour produire des rapports d'évaluation précis et des masques de segmentation.

Ce projet développe des plugins pour PDAL (Point Data Abstraction Library), une bibliothèque open source dédiée au traitement de données LiDAR. Il permet d'ajouter des filtres spécifiques pour décimer, assigner des rayons ou manipuler des nuages de points géospatiaux. Le plugin facilite l'intégration de données IGN (Institut National de l'Information Géographique et Forestière) dans des workflows de traitement automatisés, optimisant ainsi la gestion et l'analyse de données 3D pour des applications variées comme l'urbanisme, l'environnement ou l'archéologie.