Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Learning-based Single View 3D Completion
Übersetzter Titel:
Lernbasierte Single View 3D Completion
Autor:
Wang, Yida
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Tombari, Federico (Priv.-Doz. Dr.)
Gutachter:
Tombari, Federico (Priv.-Doz. Dr.); Cremers, Daniel (Prof. Dr.); Song, Shuran (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
3D completion, semantic completion, single view
TU-Systematik:
MED 230; DAT 760
Kurzfassung:
Understanding 3D from 2D is crucial for augmented reality and virtual reality applications such as 3D virtual mapping and autonomous driving. In this dissertation, both dense and sparse 3D data formats are investigated for the topic of 3D semantic completion. We highlight that in this dissertation, our proposed inference models can do semantic completion for both volumetric data and point cloud data.
Übersetzte Kurzfassung:
Das Verständnis von 3D aus 2D ist entscheidend für Augmented-Reality- und Virtual-Reality-Anwendungen wie virtuelles 3D-Mapping und autonomes Fahren. In dieser Dissertation werden sowohl dichte als auch spärliche 3D-Datenformate zum Thema semantische 3D-Vervollständigung untersucht. Wir betonen, dass unsere in dieser Dissertation vorgeschlagenen Inferenzmodelle eine semantische Vervollständigung sowohl für volumetrische Daten als auch für Punktwolkendaten durchführen können.
WWW:
https://mediatum.ub.tum.de/?id=1653291
Eingereicht am:
18.05.2022
Mündliche Prüfung:
17.05.2023
Dateigröße:
39809362 bytes
Seiten:
213
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230517-1653291-1-1
Letzte Änderung:
20.09.2023
 BibTeX