Využití NeRF v rámci husté rekonstrukce
The NeRF Utilization in Dense Reconstruction
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Jakub Sakař
Vedoucí práce
Polic Michal
Oponent práce
Kulhánek Jonáš
Studijní obor
Základy umělé inteligence a počítačových vědStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra kybernetikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato práce poskytuje přehled metod využívaných k syntéze nových snímků 3D scény, které jsou založené na metodě Neural Radiance Fields. Klade si za cíl zlepšit metodu mip-NeRF s využitím husté informace o hloubce. Toho je dosaženo vložením ztrátových funkcí, založených na hloubkové supervizi, z metody DS-NeRF do metody mip-NeRF implementované v repozitáři MultiNeRF. Jedna ze ztrátových funkcí byla navíc modifikována. Tyto ztrátové funkce byly použity k experimentům, které porovnávají výsledky modifikované metody mip-NeRF s výsledky její původní varianty na syntetických datech i datech z reálného světa. This thesis provides an overview of methods for Novel view synthesis based on Neural Radiance Fields. It focuses on improving mip-NeRF by incorporating dense depth information. That is achieved by implementing depth supervision loss functions from the DS-NeRF method into the MultiNeRF implementation of mip-NeRF. One of the loss functions is then modified and implemented into our code repository. The loss functions were used for experiments that compared the results of the modified mip-NeRF method to the results of the unmodified mip-NeRF implementation. Finally, all methods have been evaluated on synthetic and real-world datasets.
Kolekce
- Bakalářské práce - 13133 [787]