Eine Übersicht aller Sessions/Sitzungen dieser Veranstaltung. Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.
Kurzvorträge der Kandidaten für den Karl Kraus-Nachwuchsförderpreis
Präsentationen
Reconstructing Pre-GRACE Terrestrial Water Storage Anomalies Using Deep Learning
L. Q. Gentner1,2
1Institute of Geodesy and Photogrammetry, ETH Zurich, Zurich, Switzerland; 2Institute of Geodesy, University of Stuttgart, Stuttgart, Germany
Simultane Segmentierung und monokulare Tiefenschätzung mit Deep Learning
T. Kapler
Karlsruhe Institute of Technology (KIT), Germany
Industry-Relevant Benchmark Dataset for the Evaluation of 3D Reconstruction Methods and Evaluation of Different NeRF Methods
R. Langendörfer
KIT, Deutschland
Impact of protected areas on forest structure complexity
M. K. Enarson
ETHZ, Schweiz
Einsatz von Virtual Laserscanning und Data Augmentation zur Verbesserung der semantischen Segmentierung von Punktwolken natürlicher Umgebungen mittels Deep Learning
F. R. Matzke
TU Dresden, Deutschland
Die datenbasierte Korrektur refraktionsbedingter Messabweichungen in vierdimensionalen Punktwolken
F. Schulte1,2
1Hochschule Bochum - Fachbereich Geodäsie, Deutschland; 2Universität Innsbruck - AB Geometrie und Vermessung, Österreich
3D Occupancy Prediction from Multi-View 2D Surround Images
S. Abualhanud
Institut für Photogrammetrie und GeoInformation, Leibniz Universität Hannover, Deutschland
Automatisierte Detektion geomorphologischer Veränderungen in photogrammetrischen 4D-Punktwolken: Evaluierung und Optimierung des 4D objects-by-change-Algorithmus für das Monitoring von Uferbänken
M. Ulm
Technische Universität München, Deutschland
Daily spread prediction of European wildfires based on historical burned area time series from Earth observation data using a spatio-temporal graph neural network
M. Rösch1,2
1Deutsches Zentrum für Luft- und Raumfahrt (DLR); 2Julius-Maximilians-Universität Würzburg
Deep Learning based Feature Importance Analysis for Remote Sensing
