Learning-based Single View 3D Completion

Wang, Yida

Yida Wang

If you experience problems opening the document, please try this link.

Original title:: Learning-based Single View 3D Completion
Translated title:: Lernbasierte Single View 3D Completion
Author:: Wang, Yida
Year:: 2023
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Tombari, Federico (Priv.-Doz. Dr.)
Referee:: Tombari, Federico (Priv.-Doz. Dr.); Cremers, Daniel (Prof. Dr.); Song, Shuran (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: 3D completion, semantic completion, single view
TUM classification:: MED 230; DAT 760
Abstract:: 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.
Translated abstract:: 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
Date of submission:: 18.05.2022
Oral examination:: 17.05.2023
File size:: 39809362 bytes
Pages:: 213
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230517-1653291-1-1
Last change:: 20.09.2023
BibTeX