Please use this identifier to cite or link to this item:
http://hdl.handle.net/1942/41278
Title: | Deap learning in beeld: van videobeelden naar 3D model | Authors: | Aliustaoglu, Samed | Advisors: | MICHIELS, Nick | Issue Date: | 2023 | Publisher: | tUL | Abstract: | Er is een innovatieve techniek in de wereld van computer graphics geïntroduceerd, die bekend staat als de Neural Radiance Field, of kortweg NeRF. Deze techniek heeft belofte getoond in het creëren van hoogwaardige renders. Dit proefschrift is gewijd aan een diepgaande analyse van de mechanismen en principes achter NeRF. Een centraal aspect van dit onderzoek is de vraag of het mogelijk is om een driedimensionaal model te extraheren op basis van de output van NeRF, in het bijzonder wanneer de primaire input een video is - een vorm van data die traditioneel niet direct wordt geassocieerd met NeRF-inputs. Om dit ambitieuze doel te bereiken, zullen diverse disciplines binnen de informatica en verschillende technologieën moeten worden geïntegreerd. Dit omvat het proces van het winnen van afbeeldingen uit videobeelden, het segmenteren van deze afbeeldingen en vervolgens het construeren van een nauwkeurig driedimensionaal model op basis van deze segmenten. Gedurende dit proefschrift wordt het volledige proces gedetailleerd beschreven. Elke stap, zowel vanuit een technisch als praktisch perspectief, wordt grondig onderzocht en toegelicht. Hierdoor krijgt de lezer een helder en diepgaand inzicht in de potentie en de uitdagingen van het integreren van NeRF-technologie met videobronnen. | Notes: | master in de informatica | Document URI: | http://hdl.handle.net/1942/41278 | Category: | T2 | Type: | Theses and Dissertations |
Appears in Collections: | Master theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
25de5993-28a0-47b6-8309-5e306ab39b4b.pdf | 4.85 MB | Adobe PDF | View/Open |
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.