Učenje korespondencijskog ugrađivanja za stereoskopsku rekonstrukciju

završni rad

• Naslov (engleski): Learning a correspondence embedding for stereoscopic reconstruction
• Autor: Antonio Ilinović
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Josip Šarić (član povjerenstva)
• Član povjerenstva: Iva Sović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-01, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Stereoskopska rekonstrukcija postupak je kojim pomoću dviju kamera želimo rekonstruirati geometriju scene. Važan korak prije tog postupka jest odrediti korespondentne piksele. Korespondencija se može ostvariti pomoću ručno napravljenih metrika ili metrika naučenih dubokim neuronskim modelima.
U radu je opisan postupak korespondencije koji ugrađuje slike u visokodimenzionalan metrički prostor, a zatim takva ugrađivanja koristi za pronalazak korespondentnih piksela tj. mape dispariteta.
Preuzet je javno dostupan skup slika "KITTI 2015 stereo" te su iz tog skupa izvedeni podaci za učenje mreže.
Provedeni su eksperimenti za vrednovanje točnosti rekonstrukcije na ispitnom skupu te opisani su koraci za daljni razvoj.

Sažetak (engleski)

Stereoscopic reconstruction is a procedure by which we want to reconstruct the geometry of a scene with the help of two cameras. An important step before this procedure is to determine the corresponding pixels. Correspondence can be achieved by using hand-crafted metrics or metrics learned by deep neural models. The paper describes the procedure of correspondence by which images are embedded in a high-dimensional metric space, and then such embedding are used to find the correponding pixels ie. disparity maps.
A publicly available set of images "KITTI 2015 stereo" was downloaded. Dataset for learning neural network was derived.
Experiments were conducted to evaluate the accuracy of the reconstruction at the test set. Steps for further development are described.

• Ključne riječi: stereoskopska rekonstrukcija; korespondencijsko ugrađivanje; konvolucijska neuronska mreža
• Ključne riječi (engleski): stereocopic reconstruction; correspondence embedding; convolutional neural network
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:492943
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 20:37:49