A Hybrid Learning-Driven Computer Vision Framework for Reverse Engineering via Enhanced 3D Shape Reconstruction
Salem, Mahmoud
1; Elkaseer, Ahmed 1,2; Rees, Andrew; Scholz, Steffen G.
1,2
1 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
2 Karlsruhe Nano Micro Facility (KNMF), Karlsruher Institut für Technologie (KIT)
1; Elkaseer, Ahmed 1,2; Rees, Andrew; Scholz, Steffen G.
1,21 Institut für Automation und angewandte Informatik (IAI), Karlsruher Institut für Technologie (KIT)
2 Karlsruhe Nano Micro Facility (KNMF), Karlsruher Institut für Technologie (KIT)
| Zugehörige Institution(en) am KIT | Institut für Automation und angewandte Informatik (IAI) Karlsruhe Nano Micro Facility (KNMF) |
| Publikationstyp | Buchaufsatz |
| Publikationsjahr | 2023 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-3-031-18458-1 ISSN: 2367-3370 KITopen-ID: 1000153508 |
| HGF-Programm | 43.31.02 (POF IV, LK 01) Devices and Applications |
| Erschienen in | Proceedings of the Future Technologies Conference (FTC) 2022, Volume 2 |
| Verlag | Springer International Publishing |
| Seiten | 848–861 |
| Serie | Lecture Notes in Networks and Systems ; 560 |
| Vorab online veröffentlicht am | 13.10.2022 |
| Schlagwörter | Proposal ID: 2021-026-030410; 3DP |
| Nachgewiesen in | Dimensions OpenAlex Scopus |
| Globale Ziele für nachhaltige Entwicklung |