2024
Трёхмерное компьютерное зрение
Курс является продолжением курса "Компьютерное зрение" и посвящен задачам трёхмерного компьютерного зрения, начиная от математических основ и заканчивая построением трёхмерных семантических моделей сцены.
Методы трёхмерного компьютерного зрения является основой "пространственного интеллекта" (Spatial AI) и используются в робототехнике, дополненной реальности, компьютерной графике.
Методы трёхмерного компьютерного зрения является основой "пространственного интеллекта" (Spatial AI) и используются в робототехнике, дополненной реальности, компьютерной графике.
Преподаватели спецкурса
Конушин Антон Сергеевич
Кандидат физико-математических наук
Доцент кафедры ИИТ, ВМК МГУ
Руководитель департамента искусственного интеллекта, ООО "Исследовательский центр Самсунг"
Доцент кафедры ИИТ, ВМК МГУ
Руководитель департамента искусственного интеллекта, ООО "Исследовательский центр Самсунг"
Основные научные интересы: компьютерное зрение
Шахуро Владислав Игоревич
Инженер лаборатории компьютерной графики и мультимедиа, кафедра ИИТ, ВМК МГУ
Инженер департамента ИИ ООО "Исследовательский центр Самсунг".
Инженер департамента ИИ ООО "Исследовательский центр Самсунг".
Основные научные интересы: компьютерное зрение, генеративные модели
Требования к слушателям
Курс ориентирован на студентов, владеющих предварительными знаниями по компьютерному зрению и нейросетям. Например, достаточно будет прослушать курс "Компьютерное зрение".
1. Математическая модель камеры, калибровка камеры, точки и линии схода.
2. Многовидовая геометрия, оценка геометрических преобразований, триангуляция точек.
3. Vноговидовая разреженная реконструкция и задача SLAM.
4. Трёхмерная реконструкция по одному изображению – оценка карты глубины, использование сенсоров глубины, дополнение глубины, бинокулярное стерео.
5. Многовидовая трехмерная реконструкция, неявные нейросетевые модели - NeRF и развитие.
6. Трёхмерная детекция и сегментация объектов.
2. Многовидовая геометрия, оценка геометрических преобразований, триангуляция точек.
3. Vноговидовая разреженная реконструкция и задача SLAM.
4. Трёхмерная реконструкция по одному изображению – оценка карты глубины, использование сенсоров глубины, дополнение глубины, бинокулярное стерео.
5. Многовидовая трехмерная реконструкция, неявные нейросетевые модели - NeRF и развитие.
6. Трёхмерная детекция и сегментация объектов.
В рамках практикума предлагается четыре лабораторных работы в Python-ноутбуках и два домашних задания. Первое по разреженной 3-х мерной реконструкции и второе по нейросетевым методам 3-х мерной детекции объектов.
Студенты, прослушавшие курс, познакомятся со всеми математическими основами трёхмерного компьютерного зрения, основными задачами и методами их решения, освоят на практике многие из них.