Трехмерное глубокое обучение на Python-Год издания: 2023 Автор: Ма К., Хегде В., Йольан Л. Издательство: ДМК Пресс ISBN: 978-5-93700-202-0 Язык: Русский Формат: PDF Качество: Издательский макет или текст (eBook) Интерактивное оглавление: Да Количество страниц: 228-Описание: Эта книга дает полное представление о современном трехмерном глубоком обучении и помогает разработчикам в области компьютерного зрения применить свои знания на практике.
Благодаря этому практическому руководству по трехмерному глубокому обучению разработчики в области трехмерного компьютерного зрения смогут применить свои знания на практике. В данной книге представлен практический подход к реализации вычислительных решений в указанной области и связанных с ней методологий, которые помогут вам быстро начать работу и повысить продуктивность. Оснащенные пошаговыми объяснениями важных понятий, практическими примерами и вопросами для самопроверки, вы начнете с обследования передовых методов трехмерного глубокого обучения.
Вы познакомитесь с базовой обработкой 3D-данных полигональной сетки и облака точек с помощью библиотеки PyTorch3D, такой как загрузка и сохранение файлов PLY и OBJ, проецирование 3D-точек на координаты камеры с использованием моделей перспективной камеры и ортографической камеры, отрисовка облаков точек и полигональных сеток на изображениях и т.д.
Вы также научитесь реализовывать некоторые современные алгоритмы трехмерного глубокого обучения, такие как дифференцируемая отрисовка, NeRF, SynSin и Mesh R-CNN, поскольку благодаря библиотеке PyTorch3D программирование этих моделей глубокого обучения значительно упрощается. К концу этой книги вы сможете реализовывать свои собственные модели трехмерного глубокого обучения.
Примеры страниц
Оглавление
От издательства 10
Об авторах 11
О рецензентах 12
Предисловие 14
Часть I. Основы обработки 3D-данных 18
Глава 1. Введение в обработку 3D-данных 19
Глава 2. Введение в трехмерное компьютерное зрение и геометрию 44
Часть II. Трехмерное глубокое обучение с использованием библиотеки PyTorch3D 68
Глава 3. Подгонка деформируемых сеточных моделей к необработанным облакам точек 69
Глава 4. Обнаружение и отслеживание позы объекта с помощью дифференцируемой отрисовки 83
Глава 5. Понятие дифференцируемой объемометрической отрисовки 109
Глава 6. Обследование нейронных полей яркости излучения (NeRF) 124
Часть III. Современное трехмерное глубокое обучение с использованием библиотеки PyTorch3D 145
Глава 7. Обследование контролируемых нейронных полей признаков 146
Глава 8. Моделирование человеческого тела в 3D 164
Глава 9. Сквозной синтез ракурсов с помощью модели SynSin 183
Глава 10. Модель Mesh R-CNN 202
Тематический указатель 221
Вы не можете начинать темы Вы не можете отвечать на сообщения Вы не можете редактировать свои сообщения Вы не можете удалять свои сообщения Вы не можете голосовать в опросах Вы не можете прикреплять файлы к сообщениям Вы не можете скачивать файлы