User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Data-driven Non-rigid Reconstruction
Translated title:
Datengesteuerte Nicht-rigide Rekonstruktion
Author:
Božič, Aljaž
Year:
2024
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Nießner, Matthias (Prof. Dr.)
Referee:
Nießner, Matthias (Prof. Dr.); Agapito, Lourdes (Prof. Dr.); Birdal, Tolga (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
Keywords:
non-rigid reconstruction, deep learning, neural networks
Translated keywords:
nicht-rigide Rekonstruktion, tiefes Lernen, neuronale Netze
TUM classification:
DAT 760; DAT 750; DAT 708
Abstract:
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.
Translated abstract:
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
Date of submission:
16.06.2023
Oral examination:
19.08.2024
File size:
29809582 bytes
Pages:
218
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240819-1711341-1-4
Last change:
25.11.2024
 BibTeX