Оценка глубины изображений

Что разбирают и где

Тайм-коды записи, разобранные по темам атласа: под главой стоят темы, которые в ней названы, — из лекции можно уйти в текстовый разбор и вернуться.

Смотреть запись · Оценка глубины изображений

Нажатие на тайм-код перематывает запись, не перезагружая страницу. Открыть на YouTube ↗

1. 17:38Введение в задачу оценки глубиныMonocular Depth Estimation
2. 21:56Определение глубины и карт глубины
3. 25:04Обратная проекция из карты глубиныMonocular Depth Estimation
4. 29:49Источники данных для оценки глубиныMonocular Depth Estimation
5. 31:52Стереозрение и диспаритетStereo Depth
6. 37:56Ректификация изображенийEpipolar Geometry
7. 42:48Сложности предсказания диспаритетаStereo Depth
8. 43:58Монокулярные сигналы для оценки глубиныMonocular Depth Estimation
9. 46:07Переход к машинному обучению
10. 47:10Постановки задач: стерео и монокулярStereo Depth
11. 48:29Датчики для измерения глубины
12. 52:40Данные из Structure from MotionStructure from Motion
13. 53:26Синтетические данные для обученияSynthetic Data
14. 55:09Mannequin Challenge как источник данных
15. 59:06Обзор методов оценки глубиныMonocular Depth Estimation
16. 1:01:56Архитектура DispNet для стереозрения
17. 1:07:45GCNet и трёхмерные свёрткиCNN
18. 1:09:32Ранние работы по монокулярной оценкеMonocular Depth Estimation
19. 1:13:28Прорыв MiDaS и масштабирование данныхScalingMonocular Depth Estimation
20. 1:19:38DPT: Vision Transformers для плотных предсказанийVision Transformers
21. 1:27:07Foundation модели для 3D зрения
22. 1:29:18Модель Duster и её архитектураMonocular Depth Estimation
23. 1:34:06Итоги лекции и выводы
24. 1:41:00Перерыв
25. 1:54:03Введение в семинар: модели CroCo и DusterMonocular Depth Estimation
26. 2:02:05Архитектура и обучение DusterMonocular Depth Estimation
27. 2:10:41Регуляризация с помощью confidenceRegularization
28. 2:31:03Point matching с использованием DusterMonocular Depth Estimation
29. 2:35:55Восстановление внутренних параметров камерыCamera CalibrationBackups and Redundancy