| Popis: |
Rekonstrukcija strukture prirodnih scena vrlo je važan sastojak mnogih praktičnih primjena računalnog vida. Posebno su zanimljivi pristupi koji učenje provode na slijedu slika jedne kamere jer ne zahtijevaju komplicirane sustave za pribavljanje i označavanje podataka za učenje. U posljednje vrijeme, veliki uspjeh u tom području ostvaruju metodu temeljene na dubokim konvolucijskim modelima. U okviru rada, proučen je model nenadziranog učenja procjene geometrijskih značajki iz monokularnog niza slika. Opisana je implementacija dubokog modela i prikazani su rezultati dubinskih mapa dobivenih treniranim modelom. Natural scene reconstruction is a very important ingredient for a lot of practical application in computer vision. Learning from sequence of monocular images is particularly interesting as they don't demand complicated systems for fetching and labeling the dataset. Recently, a grand success is achieved using methods based on deep convolutional networks. Unsupervised model for learning scene geometry from monocular image sequence is analyzed in this work. The implementaion of deep model is described and the depth maps, generated using the model, are shown. |
