(КПІ ім. Ігоря Сікорського, 2022) Колодяжна, Олена Олександрiвна; Куссуль, Наталія Миколаївна
Квалiфiкацiйна робота мiстить 75 сторiнок, 45 iлюстрацiй, 4 таблицi, 57 джерел лiтератури.
Задача тривимiрної реконструкцiї сцени є однiєю з центральних в областях комп’ютерного зору та комп’ютерної графiки та має багато застосувань. У останнi роки було розроблено чимало рiзних методiв вирiшення даної проблеми, серед яких є використання глибоких нейронних мереж. Складнiсть даної задачi полягає в потребi в одночаснiй узгодженостi локальних деталей та глобальних структур, в великих обчисленнях, а також в обсягах даних. Остання проблема вiдiграє важливу роль при навчаннi глибоких нейромереж. Дана магiстерська дисертацiя дослiджує можливостi генерування навчальних даних за допомогою Neural Radiance Fields для задач стереозору. Метою роботи, окрiм генерування даних, є аналiз їх ефективностi у застосуваннi для навчання глибоких нейронних мереж для оцiнки карт глибин зi стереозображень. У результатi було запропоновано певнi модифiкацiї моделi BARF, якi дають змогу покращити результат синтезу даних, порiвняно з оригiнальною моделлю, а також запропоновано змiнений ланцюжок стандартної пiдготовки даних та тренування стереонейромереж, який потенцiйно може дозволити замiнити навчання без учителя навчанням з учителем.