<?xml version="1.0" encoding="utf-8"?>
<TEI xmlns="http://www.tei-c.org/ns/1.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:hal="http://hal.archives-ouvertes.fr/" xmlns:gml="http://www.opengis.net/gml/3.3/" xmlns:gmlce="http://www.opengis.net/gml/3.3/ce" version="1.1" xsi:schemaLocation="http://www.tei-c.org/ns/1.0 http://api.archives-ouvertes.fr/documents/aofr-sword.xsd">
  <teiHeader>
    <fileDesc>
      <titleStmt>
        <title>HAL TEI export of tel-05079433</title>
      </titleStmt>
      <publicationStmt>
        <distributor>CCSD</distributor>
        <availability status="restricted">
          <licence target="https://creativecommons.org/publicdomain/zero/1.0/">CC0 1.0 - Universal</licence>
        </availability>
        <date when="2026-05-26T08:20:44+02:00"/>
      </publicationStmt>
      <sourceDesc>
        <p part="N">HAL API Platform</p>
      </sourceDesc>
    </fileDesc>
  </teiHeader>
  <text>
    <body>
      <listBibl>
        <biblFull>
          <titleStmt>
            <title xml:lang="en">LiDAR-based domain generalization and unknown 3D object detection</title>
            <title xml:lang="fr">Généralisation de domaine et détection 3D d'objets inconnus à partir de données LiDAR</title>
            <author role="aut">
              <persName>
                <forename type="first">Louis</forename>
                <surname>Soum-Fontez</surname>
              </persName>
              <idno type="idhal" notation="numeric">1544249</idno>
              <idno type="halauthorid" notation="string">2267971-1544249</idno>
              <idno type="IDREF">https://www.idref.fr/284970166</idno>
              <affiliation ref="#struct-27997"/>
            </author>
            <editor role="depositor">
              <persName>
                <forename>ABES</forename>
                <surname>STAR</surname>
              </persName>
              <email type="md5">f5aa7f563b02bb6adbba7496989af39a</email>
              <email type="domain">abes.fr</email>
            </editor>
          </titleStmt>
          <editionStmt>
            <edition n="v1" type="current">
              <date type="whenSubmitted">2025-05-22 12:00:11</date>
              <date type="whenModified">2026-04-09 06:32:56</date>
              <date type="whenReleased">2025-05-22 12:00:14</date>
              <date type="whenProduced">2025-03-10</date>
              <date type="whenEndEmbargoed">2025-05-22</date>
              <ref type="file" target="https://pastel.hal.science/tel-05079433v1/document">
                <date notBefore="2025-05-22"/>
              </ref>
              <ref type="file" subtype="author" n="1" target="https://pastel.hal.science/tel-05079433v1/file/2025UPSLM002_archivage.pdf" id="file-5079433-4394768">
                <date notBefore="2025-05-22"/>
              </ref>
            </edition>
            <respStmt>
              <resp>contributor</resp>
              <name key="131274">
                <persName>
                  <forename>ABES</forename>
                  <surname>STAR</surname>
                </persName>
                <email type="md5">f5aa7f563b02bb6adbba7496989af39a</email>
                <email type="domain">abes.fr</email>
              </name>
            </respStmt>
          </editionStmt>
          <publicationStmt>
            <distributor>CCSD</distributor>
            <idno type="halId">tel-05079433</idno>
            <idno type="halUri">https://pastel.hal.science/tel-05079433</idno>
            <idno type="halBibtex">soumfontez:tel-05079433</idno>
            <idno type="halRefHtml">Automatic. Université Paris sciences et lettres, 2025. English. &lt;a target="_blank" href="https://www.theses.fr/2025UPSLM002"&gt;&amp;#x27E8;NNT : 2025UPSLM002&amp;#x27E9;&lt;/a&gt;</idno>
            <idno type="halRef">Automatic. Université Paris sciences et lettres, 2025. English. &amp;#x27E8;NNT : 2025UPSLM002&amp;#x27E9;</idno>
            <availability status="restricted">
              <licence target="https://about.hal.science/hal-authorisation-v1/">HAL Authorization<ref corresp="#file-5079433-4394768"/></licence>
            </availability>
          </publicationStmt>
          <seriesStmt>
            <idno type="stamp" n="ENSMP" corresp="PARISTECH">MINES ParisTech</idno>
            <idno type="stamp" n="PASTEL" corresp="PARISTECH">PASTEL - ParisTech</idno>
            <idno type="stamp" n="STAR">STAR - Dépôt national des thèses électroniques</idno>
            <idno type="stamp" n="ENSMP_CAOR" corresp="ENSMP">CAO et robotique (CAOR)</idno>
            <idno type="stamp" n="TDS-MACS">Réseau de recherche en Théorie des Systèmes Distribués, Modélisation, Analyse et Contrôle des Systèmes</idno>
            <idno type="stamp" n="PSL">Université Paris sciences et lettres</idno>
            <idno type="stamp" n="ENSMP_DEP_MS">Département Mathématiques et systèmes</idno>
            <idno type="stamp" n="ENSMP_DR" corresp="ENSMP">ENSMP_DR</idno>
            <idno type="stamp" n="ENSMP-PSL" corresp="PSL">MINES ParisTech - École nationale supérieure des mines de Paris - PSL</idno>
          </seriesStmt>
          <notesStmt/>
          <sourceDesc>
            <biblStruct>
              <analytic>
                <title xml:lang="en">LiDAR-based domain generalization and unknown 3D object detection</title>
                <title xml:lang="fr">Généralisation de domaine et détection 3D d'objets inconnus à partir de données LiDAR</title>
                <author role="aut">
                  <persName>
                    <forename type="first">Louis</forename>
                    <surname>Soum-Fontez</surname>
                  </persName>
                  <idno type="idhal" notation="numeric">1544249</idno>
                  <idno type="halauthorid" notation="string">2267971-1544249</idno>
                  <idno type="IDREF">https://www.idref.fr/284970166</idno>
                  <affiliation ref="#struct-27997"/>
                </author>
              </analytic>
              <monogr>
                <idno type="nnt">2025UPSLM002</idno>
                <imprint>
                  <date type="dateDefended">2025-03-10</date>
                </imprint>
                <authority type="institution">Université Paris sciences et lettres</authority>
                <authority type="supervisor">Jean-Emmanuel Deschaud</authority>
                <authority type="supervisor">François Goulette</authority>
                <authority type="jury">Sylvie Julie Chambon [Président]</authority>
                <authority type="jury">Andreas Nüchter [Rapporteur]</authority>
                <authority type="jury">Paul Checchin [Rapporteur]</authority>
              </monogr>
            </biblStruct>
          </sourceDesc>
          <profileDesc>
            <langUsage>
              <language ident="en">English</language>
            </langUsage>
            <textClass>
              <keywords scheme="author">
                <term xml:lang="en">Out-Of-Distribution Detection</term>
                <term xml:lang="en">Generalization</term>
                <term xml:lang="en">Autonomous Vehicles</term>
                <term xml:lang="en">LiDAR Perception</term>
                <term xml:lang="en">3D Object Detection</term>
                <term xml:lang="fr">Détection Hors Distribution</term>
                <term xml:lang="fr">Généralisation</term>
                <term xml:lang="fr">Véhicules Autonomes</term>
                <term xml:lang="fr">Perception LiDAR</term>
                <term xml:lang="fr">Détection d'Objets 3D</term>
              </keywords>
              <classCode scheme="halDomain" n="spi.auto">Engineering Sciences [physics]/Automatic</classCode>
              <classCode scheme="halTypology" n="THESE">Theses</classCode>
              <classCode scheme="halOldTypology" n="THESE">Theses</classCode>
              <classCode scheme="halTreeTypology" n="THESE">Theses</classCode>
            </textClass>
            <abstract xml:lang="en">
              <p>The development of robust perception systems is fundamental for the safe and efficient operation of autonomous vehicles. These systems perform essential tasks such as 3D object detection, enabling vehicles to identify and localize obstacles, including other vehicles, pedestrians, and various objects within their environment. Accurate detection is critical for effective decision-making and navigation through complex driving scenarios. However, 3D object detection presents significant challenges due to the diverse nature of real-world conditions, which encompass a broad range of sensor setups, geographic environments, and scene complexities. Firstly, this thesis work identifies and addresses the domain shifts that occur between different LiDAR datasets due to variations in sensor specifications, geographic environments, and dataset-specific attributes. These shifts often lead to significant performance gaps when models are transferred between datasets. To mitigate these issues, a multi-dataset training framework called MDT3D is introduced. MDT3D integrates data from various sources and employs novel augmentation and label harmonization techniques to create models that can generalize effectively across different conditions. Secondly, the thesis presents ParisLuco3D, a dataset captured in urban areas around the Luxembourg Garden in Paris, designed to test model robustness in complex real-world scenarios. This provides a dedicated dataset to test model generalization, which we benchmark to highlight the poor performance of baseline generalization methods. Lastly, the last axis of generalization explored is generalizing detection to novel unknown objects. We reframe the detection of unknown objects as an out-of-distribution (OOD) problem, allowing models to differentiate between known and previously unseen objects without compromising accuracy on familiar categories.</p>
            </abstract>
            <abstract xml:lang="fr">
              <p>Le développement de systèmes de perception robustes est fondamental pour assurer le fonctionnement sûr et efficace des véhicules autonomes. Ces systèmes accomplissent des tâches essentielles telles que la détection d'objets en 3D, permettant aux véhicules d'identifier et de localiser des obstacles, notamment d'autres véhicules, des piétons et divers objets présents dans leur environnement. Une détection précise est cruciale pour une prise de décision efficace et une navigation sûre dans des scénarios de conduite complexes. Cependant, la détection d'objets en 3D pose des défis importants en raison de la diversité des conditions du monde réel, qui incluent une grande variété de configurations de capteurs, d'environnements géographiques et de complexités de scènes. Premièrement, ce travail de thèse identifie et aborde les différences de domaine (domain shifts) qui surviennent entre différents jeux de données LiDAR en raison de variations dans les spécifications des capteurs, les environnements géographiques et les attributs propres à chaque jeu de données. Ces différences entraînent souvent des écarts de performance importants lors du transfert de modèles entre jeux de données. Pour pallier ces problèmes, un cadre d'entraînement multi-dataset, nommé MDT3D, est introduit. MDT3D intègre des données provenant de diverses sources et applique des techniques novatrices d'augmentation et d'harmonisation des étiquettes, permettant de créer des modèles capables de se généraliser efficacement dans des conditions variées. Deuxièmement, la thèse présente ParisLuco3D, un jeu de données capturé dans les zones urbaines autour du Jardin du Luxembourg à Paris, conçu pour tester la robustesse des modèles dans des scénarios complexes du monde réel. Ce jeu de données offre une plateforme dédiée pour évaluer la généralisation des modèles, avec des benchmarks soulignant les performances limitées des méthodes classiques de généralisation. Enfin, le dernier axe de généralisation exploré concerne la détection d'objets inconnus. Nous reformulons la détection d'objets inconnus comme un problème hors distribution (Out-Of Distribution, OOD), permettant aux modèles de différencier les objets connus des objets inédits sans compromettre la précision sur les catégories connues.</p>
            </abstract>
          </profileDesc>
        </biblFull>
      </listBibl>
    </body>
    <back>
      <listOrg type="structures">
        <org type="laboratory" xml:id="struct-27997" status="VALID">
          <idno type="IdRef">151891001</idno>
          <idno type="ROR">https://ror.org/0180r7w69</idno>
          <orgName>Centre de Robotique</orgName>
          <orgName type="acronym">CAOR</orgName>
          <desc>
            <address>
              <addrLine>60, boulevard Saint-Michel 75272 Paris cedex 06</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.caor.minesparis.psl.eu/</ref>
          </desc>
          <listRelation>
            <relation active="#struct-301492" type="direct"/>
            <relation active="#struct-564132" type="indirect"/>
          </listRelation>
        </org>
        <org type="institution" xml:id="struct-301492" status="VALID">
          <idno type="IdRef">026375249</idno>
          <idno type="ROR">https://ror.org/04y8cs423</idno>
          <orgName>Mines Paris - PSL (École nationale supérieure des mines de Paris)</orgName>
          <date type="start">1783-01-01</date>
          <desc>
            <address>
              <addrLine>60, boulevard Saint-Michel 75006 Paris</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.minesparis.psl.eu/</ref>
          </desc>
          <listRelation>
            <relation active="#struct-564132" type="direct"/>
          </listRelation>
        </org>
        <org type="regroupinstitution" xml:id="struct-564132" status="VALID">
          <idno type="IdRef">241597595</idno>
          <idno type="ISNI">0000 0004 1784 3645</idno>
          <idno type="ROR">https://ror.org/013cjyk83</idno>
          <orgName>Université Paris Sciences et Lettres</orgName>
          <orgName type="acronym">PSL</orgName>
          <desc>
            <address>
              <addrLine>60 rue Mazarine 75006 Paris</addrLine>
              <country key="FR"/>
            </address>
            <ref type="url">https://www.psl.eu/</ref>
          </desc>
        </org>
      </listOrg>
    </back>
  </text>
</TEI>