Global ETD Search

BRIDGING INTERPRETABILITY AND PERFORMANCE IN 3D DEEP LEARNING THROUGH GEOMETRIC INDUCTIVE BIASES

RESTOLHO MATEUS MARCALO LAVADO, DIOGOUniversità degli Studi di Milano2026

Questa tesi indaga come i geometric inductive biases possano risolvere limitazioni fondamentali nel deep learning 3D, in particolare per applicazioni critiche di sicurezza come l’ispezione delle reti elettriche. Nonostante i progressi significativi nel campo del 3D scene understanding, la maggior …

milano Repository record for BRIDGING INTERPRETABILITY AND PERFORMANCE IN 3D DEEP LEARNING THROUGH GEOMETRIC INDUCTIVE BIASES (opens in a new tab)