KIT | KIT-Bibliothek | Impressum | Datenschutz

A Hybrid Learning-Driven Computer Vision Framework for Reverse Engineering via Enhanced 3D Shape Reconstruction

Salem, Mahmoud ORCID iD icon 1; Elkaseer, Ahmed 1,2; Rees, Andrew; Scholz, Steffen G. ORCID iD icon 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)


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
Scopus
Globale Ziele für nachhaltige Entwicklung Ziel 9 – Industrie, Innovation und Infrastruktur
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page