Генерування тренувальних даних за допомогою технологiї NeRF для задач стереозору
Вантажиться...
Дата
2022
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
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.
Опис
Ключові слова
комп’ютерний зiр, computer vision, глибокi нейроннi мережi, deep neural networks, синтез даних, view synthesis, 3D реконструкцiя сцени, 3D scene reconstruction, поля нейронного випромінювання, neural radiance fields, стереобачення, stereo vision
Бібліографічний опис
Колодяжна, О. О. Генерування тренувальних даних за допомогою технологiї NeRF для задач стереозору : магістерська дис. : 113 Прикладна математика / Колодяжна Олена Олександрівна. – Київ, 2022. – 75 с.