Centre dedocumentation
scientifique

Towards culture-aware smart and sustainable cities: Integrating historical sources in spatial information infrastructures / Bénédicte Bucher in ISPRS International journal of geo-information, vol 10 n° 9 (September 2021)  

Public [article]  inISPRS International journal of geo-information > vol 10 n° 9 (September 2021) . - n° 588 Titre : Towards culture-aware smart and sustainable cities: Integrating historical sources in spatial information infrastructures Type de document : Article/Communication Auteurs : Bénédicte Bucher , Auteur ; Carola Hein, Auteur ; Dorit Raines, Auteur ; Valérie Gouet-Brunet , Auteur Année de publication : 2021 Projets : URCLIM / Masson, Valéry, Alegoria / Gouet-Brunet, Valérie, Archival City / Gouet-Brunet, Valérie Article en page(s) : n° 588 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] image ancienne [Termes IGN] infrastructure urbaine de données localisées [Termes IGN] intégration de données [Termes IGN] utilisation du sol [Termes IGN] ville durable [Termes IGN] ville intelligente [Termes IGN] Web des données Résumé : (auteur) This article addresses the integration of cultural perspectives in the smart city discourse and in the implementation of the UN Agenda 2030; it does so specifically with respect to land patterns and land use. We hope to increase the ability of relevant stakeholders, including scientific communities working in that field, to handle the complexity of the current urban challenges. Culture is understood here in the broadest sense of the word, including the values and conceptualizations of the world, and the modes of technological creation and control of the environment. This concept of culture varies among stakeholders, depending, in particular, on their activities, on the place they live in, and also depending on their scientific background. We propose to complement existing targets that are explicitly related to culture in the UN and UNESCO agendas for 2030, and introduce a target of culture awareness for city information infrastructures. We show that, in the specific case of land patterns and land use, these new targets can be approached with historical data. Our analysis of the related core functionalities is based on interviews with practitioners, draws on insights from the humanities, and takes into account the readiness of the existing technologies. Numéro de notice : A2021-611 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10090588 date de publication en ligne : 04/09/2021 En ligne : https://doi.org/10.3390/ijgi10090588 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98359 [article]

Connecting images through sources: Exploring low-data, heterogeneous instance retrieval / Dimitri Gominski in Remote sensing, vol 13 n° 16 (August-2 2021)  

Public [article]  inRemote sensing > vol 13 n° 16 (August-2 2021) . - n° 3080 Titre : Connecting images through sources: Exploring low-data, heterogeneous instance retrieval Type de document : Article/Communication Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Article en page(s) : n° 3080 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] description multiniveau [Termes IGN] patrimoine culturel [Termes IGN] recherche d'image basée sur le contenu [Termes IGN] test de performance Résumé : (auteur) Along with a new volume of images containing valuable information about our past, the digitization of historical territorial imagery has brought the challenge of understanding and interconnecting collections with unique or rare representation characteristics, and sparse metadata. Content-based image retrieval offers a promising solution in this context, by building links in the data without relying on human supervision. However, while the latest propositions in deep learning have shown impressive results in applications linked to feature learning, they often rely on the hypothesis that there exists a training dataset matching the use case. Increasing generalization and robustness to variations remains an open challenge, poorly understood in the context of real-world applications. Introducing the alegoria benchmark, containing multi-date vertical and oblique aerial digitized photography mixed with more modern street-level pictures, we formulate the problem of low-data, heterogeneous image retrieval, and propose associated evaluation setups and measures. We propose a review of ideas and methods to tackle this problem, extensively compare state-of-the-art descriptors and propose a new multi-descriptor diffusion method to exploit their comparative strengths. Our experiments highlight the benefits of combining descriptors and the compromise between absolute and cross-domain performance. Numéro de notice : A2021-610 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13163080 date de publication en ligne : 05/08/2021 En ligne : https://doi.org/10.3390/rs13163080 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98357 [article]

Restituer les bidonvilles de Nanterre : l’apport d’un outil de visualisation 3D à un projet de sciences sociales / Paul Lecat in Humanités numériques, n° 3 (2021)  

Public [article]  inHumanités numériques > n° 3 (2021) . - n° 1946 Titre : Restituer les bidonvilles de Nanterre : l’apport d’un outil de visualisation 3D à un projet de sciences sociales Titre original : Restoring the Shantytowns of Nanterre: Benefits of a 3D Visualisation Tool for a Social Sciences Project Type de document : Article/Communication Auteurs : Paul Lecat, Auteur ; Emile Blettery , Auteur ; Laetitia Delavoipiere, Auteur ; Frédéric Saly-Giocanti, Auteur ; Sylvaine Conord, Auteur ; Valérie Gouet-Brunet , Auteur ; Alexandre Devaux , Auteur ; Mathieu Brédif , Auteur ; Frédéric Moret, Auteur Année de publication : 2021 Projets : ITowns / Paparoditis, Nicolas, Alegoria / Gouet-Brunet, Valérie Article en page(s) : n° 1946 Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] analyse spatio-temporelle [Termes IGN] Bidonville [Termes IGN] image aérienne [Termes IGN] morphologie urbaine [Termes IGN] Nanterre [Termes IGN] outil logiciel [Termes IGN] sciences sociales [Termes IGN] SIG 3D [Termes IGN] sociologie [Termes IGN] visualisation 3D [Vedettes matières IGN] Géovisualisation Résumé : (auteur) Au milieu des années 1950 surgissent à Nanterre les premières cabanes de fortune abritant des travailleurs algériens. Bientôt, ces baraques informelles s’agrègent et finissent par former des ensembles urbains, présentés et administrés comme des bidonvilles, et la ville de Nanterre y est alors durablement associée. Cet article se propose de revenir sur une expérience de recherche interdisciplinaire autour de cet objet d’étude. Des chercheurs en histoire et en sociologie urbaine ont collaboré avec des informaticiens de l’IGN afin d’utiliser et d’enrichir une plateforme de spatialisation et de visualisation de données hétérogènes pour documenter l’histoire de ces bidonvilles et comprendre la formation et la permanence de ces lieux dans la mémoire collective actuelle. Numéro de notice : A2021-308 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.4000/revuehn.1946 date de publication en ligne : 01/05/2021 En ligne : https://doi.org/10.4000/revuehn.1946 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97709 [article]

Connecting images through time and sources: Introducing low-data, heterogeneous instance retrieval / Dimitri Gominski (2021)  

Public contenu dans ArXiv / Université Cornell (Etats-Unis) (1991)   Titre : Connecting images through time and sources: Introducing low-data, heterogeneous instance retrieval Type de document : Article/Communication Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Importance : 5 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] base de données d'images [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] descripteur [Termes IGN] données d'apprentissage [Termes IGN] données hétérogènes [Termes IGN] exploration de données [Termes IGN] extraction de traits caractéristiques [Termes IGN] image multi sources [Termes IGN] indexation sémantique [Termes IGN] précision de la classification [Termes IGN] recherche d'image basée sur le contenu Résumé : (auteur) With impressive results in applications relying on feature learning, deep learning has also blurred the line between algorithm and data. Pick a training dataset, pick a backbone network for feature extraction, and voilà; this usually works fora variety of use cases. But the underlying hypothesis that there exists a training dataset matching the use case is not alwaysmet. Moreover, the demand for interconnections regardless of the variations of the content calls for increasing generalization and robustness in features. An interesting application characterized by these problematics is the connection of historical and cultural databases of images.Through the seemingly simple task of instance retrieval, wepropose to show that it is not trivial to pick features respondingwell to a panel of variations and semantic content. Introducing anew enhanced version of the ALEGORIA benchmark, we compare descriptors using the detailed annotations. We further give in sights about the core problems in instance retrieval, testing fourstate-of-the-art additional techniques to increase performance. Numéro de notice : P2021-001 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Preprint nature-HAL : Préprint DOI : sans date de publication en ligne : 21/03/2021 En ligne : https://arxiv.org/pdf/2103.10729.pdf Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97398

Improving image description with auxiliary modality for visual localization in challenging conditions / Nathan Piasco in International journal of computer vision, vol 29 n° 1 (January 2021)  

Public [article]  inInternational journal of computer vision > vol 29 n° 1 (January 2021) . - pp 185 - 202 Titre : Improving image description with auxiliary modality for visual localization in challenging conditions Type de document : Article/Communication Auteurs : Nathan Piasco , Auteur ; Désiré Sidibé, Auteur ; Valérie Gouet-Brunet , Auteur ; Cédric Demonceaux, Auteur Année de publication : 2021 Projets : PLaTINUM / Gouet-Brunet, Valérie Article en page(s) : pp 185 - 202 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] descripteur [Termes IGN] localisation basée image [Termes IGN] localisation basée vision Résumé : (auteur) Image indexing for lifelong localization is a key component for a large panel of applications, including robot navigation, autonomous driving or cultural heritage valorization. The principal difficulty in long-term localization arises from the dynamic changes that affect outdoor environments. In this work, we propose a new approach for outdoor large scale image-based localization that can deal with challenging scenarios like cross-season, cross-weather and day/night localization. The key component of our method is a new learned global image descriptor, that can effectively benefit from scene geometry information during training. At test time, our system is capable of inferring the depth map related to the query image and use it to increase localization accuracy. We show through extensive evaluation that our method can improve localization performances, especially in challenging scenarios when the visual appearance of the scene has changed. Our method is able to leverage both visual and geometric clues from monocular images to create discriminative descriptors for cross-season localization and effective matching of images acquired at different time periods. Our method can also use weakly annotated data to localize night images across a reference dataset of daytime images. Finally we extended our method to reflectance modality and we compare multi-modal descriptors respectively based on geometry, material reflectance and a combination of both. Numéro de notice : A2021-132 Affiliation des auteurs : LaSTIG MATIS+Ext (2012-2019) Autre URL associée : vers HAL ouvert Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-020-01363-6 date de publication en ligne : 28/08/2020 En ligne : https://doi.org/10.1007/s11263-020-01363-6 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96971 [article]

Intelligent embedded camera for robust object tracking on mobile platform / Imane Salhi (2021)  

Permalink

Learning embeddings for cross-time geographic areas represented as graphs / Margarita Khokhlova (2021)  

Permalink

Unifying remote sensing image retrieval and classification with robust fine-tuning / Dimitri Gominski (2021)  

Permalink

Semantic signatures for large-scale visual localization / Li Weng in Multimedia tools and applications, vol inconnu (2020)  

Permalink

Analyse, structuration et sémantisation des images aériennes [diaporama] / Valérie Gouet-Brunet (2020) 

Permalink

Cross-year multi-modal image retrieval using siamese networks / Margarita Khokhlova (2020)  

Permalink

Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois / Margarita Khokhlova (2020)    

Permalink

Saliency and Burstiness for Feature Selection in CBIR / Kamel Guissous (2020)  

Permalink

A spatio-temporal web-application for the understanding of the formation of the Parisian metropolis / Emile Blettery (2020)  

Permalink

SUMAC'20 : Proceedings of the 2nd Workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2020)  

Permalink