Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Data-driven Non-rigid Reconstruction
Übersetzter Titel:
Datengesteuerte Nicht-rigide Rekonstruktion
Autor:
Božič, Aljaž
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Nießner, Matthias (Prof. Dr.)
Gutachter:
Nießner, Matthias (Prof. Dr.); Agapito, Lourdes (Prof. Dr.); Birdal, Tolga (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
non-rigid reconstruction, deep learning, neural networks
Übersetzte Stichworte:
nicht-rigide Rekonstruktion, tiefes Lernen, neuronale Netze
TU-Systematik:
DAT 760; DAT 750; DAT 708
Kurzfassung:
Non-rigid 3D reconstruction of deformable objects is an important problem in computer vision, focusing on shape geometry reconstruction and tracking of non-rigid deformations through time. In this thesis we investigated data-driven priors for non-rigid 3D reconstruction, and introduced both a new dataset and novel network architectures for learning various aspects of this challenging problem, leading to a robust non-rigid reconstruction performance.
Übersetzte Kurzfassung:
Die nicht-rigide 3D-Rekonstruktion verformbarer Objekte ist ein wichtiges Problem im Computer Vision, wobei der Schwerpunkt auf der Rekonstruktion der Geometrie und der Verfolgung nicht-rigider Verformungen liegt. In dieser Dissertation untersuchten wir datengesteuerte nicht-rigide 3D-Rekonstruktion und stellten sowohl einen Datensatz als auch neuartige Netzwerkarchitekturen zum Erlernen verschiedener Aspekte dieses Problems vor, was zu einer robusten nicht-rigiden Rekonstruktion führte.
WWW:
https://mediatum.ub.tum.de/?id=1711341
Eingereicht am:
16.06.2023
Mündliche Prüfung:
19.08.2024
Dateigröße:
29809582 bytes
Seiten:
218
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240819-1711341-1-4
Letzte Änderung:
25.11.2024
 BibTeX