Генерування тренувальних даних за допомогою технологiї NeRF для задач стереозору

Скорочена інформація про документ
dc.contributor.advisorКуссуль, Наталія Миколаївна
dc.contributor.authorКолодяжна, Олена Олександрiвна
dc.date.accessioned2023-01-31T10:22:50Z
dc.date.available2023-01-31T10:22:50Z
dc.date.issued2022
dc.description.abstractenThe thesis consists of 75 pages, 45 figures, 4 tables, 57 names of bibliographic sources. 3D scene reconstruction is a long-standing problem and a central one in computer vision and computer graphics with many applications. There are many different methods of solving this problem including deep neural networks. The complexity of this task lies in the need for simultaneous consistency of local details and global structures, in large calculations, as well as in the need for a large amount of data. The last problem plays a crucial role in deep neural networks training. This master’s thesis explores the possibilities of generating training data using Neural Radiance Fields for stereo vision problems. The purpose of the work, in addition to data generation, is to analyze their effectiveness in the application for training depth from stereo neural networks. As a result, certain modifications of the BARF model were proposed, which allow to improve the result of data synthesis compared to the original model, and a modified chain of standard data preparation and training of Depth From Stereo networks was proposed, which could potentially replace unsupervised training with supervised one.uk
dc.description.abstractukКвалiфiкацiйна 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.uk
dc.format.page75 с.uk
dc.identifier.citationКолодяжна, О. О. Генерування тренувальних даних за допомогою технологiї NeRF для задач стереозору : магістерська дис. : 113 Прикладна математика / Колодяжна Олена Олександрівна. – Київ, 2022. – 75 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/52218
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectкомп’ютерний зiрuk
dc.subjectcomputer visionuk
dc.subjectглибокi нейроннi мережiuk
dc.subjectdeep neural networksuk
dc.subjectсинтез данихuk
dc.subjectview synthesisuk
dc.subject3D реконструкцiя сцениuk
dc.subject3D scene reconstructionuk
dc.subjectполя нейронного випромінюванняuk
dc.subjectneural radiance fieldsuk
dc.subjectстереобаченняuk
dc.subjectstereo visionuk
dc.subject.udc004.93uk
dc.titleГенерування тренувальних даних за допомогою технологiї NeRF для задач стереозоруuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Kolodiazna_magistr.pdf
Розмір:
29.43 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ММАД)
Магістерські роботи