Algoritmy pro generování nových pohledů aplikované na exteriérové snímky automobilů focené dronem

Abstract

Práce se zabývá tvorbou systému pro generování nových pohledů na automobily focené v exteriéru. Je analyzováno proof-of-concept řešení pro modelování a vykreslování vozidel pomocí technologie NeRF a systémy pro odstraňování odlesků. Byl navržen vlastní systém, který využívá metod hlubokého učení pro odstranění odlesků z metalízy vozidel a pokročilých architektur NeRF pro modelování vozidel ve složitých exteriérových scénách. Model pro odstraňování odlesků je schopen homogenizovat vzhled metalízy dotčené odlesky slunce, případně samotného okolí vozu. Modely pro generování nových pohledů jsou za předpokladu kvalitního odhadu parametrů kamer schopny generovat realistické nové pohledy na vůz z libovolného úhlu a vzdálenosti.

This thesis focuses on implementing a system for generating novel views of the automobile captured in the exterior scene. A proof-of-concept solution for vehicle modelling and rendering using the NeRF technology and reflection removal systems has been analyzed. A system using deep learning methods for reflection removal and advanced NeRF architectures for modelling vehicles in complex outdoor scenes has been designed. The reflection removal model can unify the appearance of a vehicle's metallic degraded by the reflection either of sunlight or the vehicle's surroundings. Given that reliable estimation of camera parameters is available, novel-view-generating models can generate realistic-looking views from arbitrary angles or distances.