Login
- Originaltitel:
- Auf künstlicher Intelligenz basierende rekonstruktive Verfahren zur Umfeldmodellierung
- Übersetzter Titel:
- Artificial intelligence-based reconstructive methods for environment modeling
- Autor:
- Miller, Markus
- Jahr:
- 2025
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Institution:
- Informatik 15 - Lehrstuhl für Grafik und Visualisierung (Prof. Westermann)
- Betreuer:
- Westermann, Rüdiger (Prof. Dr.)
- Gutachter:
- Westermann, Rüdiger (Prof. Dr.); Nischwitz, Alfred (Prof. Dr.)
- Sprache:
- de
- Fachgebiet:
- DAT Datenverarbeitung, Informatik
- Stichworte:
- deep; learning; beleuchtung; rekonstruktion; rgb; rgbd; rgbn; datensatz; licht; richtung
- Übersetzte Stichworte:
- deep; learning; illumination; reconstruction; rgb; rgbd; rgbn; dataset; light; direction
- TU-Systematik:
- DAT 780; DAT 750
- Kurzfassung:
- In den letzten Jahren wurde die Hardware für AR und VR leistungsfähiger und günstiger, was ihren breiten Einsatz fördert. Immersion und Präsenz sind wichtig für die Akzeptanz dieser Technologien, da Abweichungen von Licht- und Schattenrichtung zwischen realer und virtueller Welt das Nutzererlebnis stören. Die Arbeit nutzt DL-Methoden zur Prädiktion der dominanten Lichtrichtung in stereographischen Koordinaten aus simplen RGB-Fotos. Die Ansätze wurden erfolgreich auf realen Testdaten geprüft.
- Übersetzte Kurzfassung:
- In the past years, hardware for AR and VR has become more powerful and more affordable, boosting its broad usage. Immersion and presence are key for user acceptance, as deviations in the direction of light and shadows between the virtual and real world may impair user experience. This work uses DL methods to predict the dominant light direction in stereographic coordinates from a simple RGB photo. The developed methods were successfully tested on real-world test data.
- WWW:
- https://mediatum.ub.tum.de/?id=1754002
- Eingereicht am:
- 19.09.2024
- Mündliche Prüfung:
- 04.06.2025
- Dateigröße:
- 3668485 bytes
- Seiten:
- 114
- Urn (Zitierfähige URL):
- https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250604-1754002-0-4
- Letzte Änderung:
- 14.07.2025
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology
- mediaTUM GesamtbestandHochschulbibliographie2025SchoolsTUM School of Computation, Information and TechnologyInformatik 15 - Lehrstuhl für Grafik und Visualisierung (Prof. Westermann)
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and TechnologyComputer Science