Nießner, Matthias (Prof. Dr.); Mitra, Niloy J. (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 760; DAT 750; DAT 708
Kurzfassung:
Understanding 3D environments is a long-term research topic for many years in computer vision. fundamental to understand 3D surroundings in many real-world computer vision applications, e.g. interactivity in robotics or AR/VR. With recent breakthroughs in deep learning, the computer vision community has made tremendous progress on perception in images. However, research in 3D perception has not been fully explored. Thanks to the commodity 3D sensors, such as the Kinect series, a variety of RGB-Datasets have been collected to enhance the 3D perception research. In this dissertation, we aim to investigate possible deep-learning-based solutions for 3D perception based on RGB-D data.
«
Understanding 3D environments is a long-term research topic for many years in computer vision. fundamental to understand 3D surroundings in many real-world computer vision applications, e.g. interactivity in robotics or AR/VR. With recent breakthroughs in deep learning, the computer vision community has made tremendous progress on perception in images. However, research in 3D perception has not been fully explored. Thanks to the commodity 3D sensors, such as the Kinect series, a variety of RGB-D...
»
Übersetzte Kurzfassung:
Das Verständnis von 3D-Umgebungen ist seit vielen Jahren ein langfristiges Forschungsthema in der Computer Vision. Es ist von grundlegender Bedeutung, die 3D-Umgebung in vielen realen Computer-Vision-Anwendungen zu verstehen, z. Interaktivität in Robotik oder AR/VR. Mit den jüngsten Durchbrüchen beim Deep Learning hat die Computer Vision Community enorme Fortschritte bei der Wahrnehmung in Bildern gemacht. Die Forschung zur 3D-Wahrnehmung ist jedoch noch nicht vollständig erforscht. Dank der handelsüblichen 3D-Sensoren, wie der Kinect-Serie, wurden eine Vielzahl von RGB-Datensätzen gesammelt, um die 3D-Wahrnehmungsforschung zu verbessern. In dieser Dissertation wollen wir mögliche Deep-Learning-basierte Lösungen für die 3D-Wahrnehmung basierend auf RGB-D-Daten untersuchen.
«
Das Verständnis von 3D-Umgebungen ist seit vielen Jahren ein langfristiges Forschungsthema in der Computer Vision. Es ist von grundlegender Bedeutung, die 3D-Umgebung in vielen realen Computer-Vision-Anwendungen zu verstehen, z. Interaktivität in Robotik oder AR/VR. Mit den jüngsten Durchbrüchen beim Deep Learning hat die Computer Vision Community enorme Fortschritte bei der Wahrnehmung in Bildern gemacht. Die Forschung zur 3D-Wahrnehmung ist jedoch noch nicht vollständig erforscht. Dank der han...
»