prikaz prve stranice dokumenta Trodimenzionalna rekonstrukcija čovjeka iz jedne slike
No public access
master's thesis
Trodimenzionalna rekonstrukcija čovjeka iz jedne slike
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. urn:nbn:hr:168:726200
Đanić, Matej
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Đanić, M. (2021). Trodimenzionalna rekonstrukcija čovjeka iz jedne slike (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:726200

Đanić, Matej. "Trodimenzionalna rekonstrukcija čovjeka iz jedne slike." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:726200

Đanić, Matej. "Trodimenzionalna rekonstrukcija čovjeka iz jedne slike." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2021. https://urn.nsk.hr/urn:nbn:hr:168:726200

Đanić, M. (2021). 'Trodimenzionalna rekonstrukcija čovjeka iz jedne slike', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 11 July 2024, https://urn.nsk.hr/urn:nbn:hr:168:726200

Đanić M. Trodimenzionalna rekonstrukcija čovjeka iz jedne slike [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2021 [cited 2024 July 11] Available at: https://urn.nsk.hr/urn:nbn:hr:168:726200

M. Đanić, "Trodimenzionalna rekonstrukcija čovjeka iz jedne slike", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2021. Available at: https://urn.nsk.hr/urn:nbn:hr:168:726200

Metadata
TitleTrodimenzionalna rekonstrukcija čovjeka iz jedne slike
Title (english)3D Human Reconstruction from a Single Image
AuthorMatej Đanić
MentorTomislav Pribanić (mentor)
Committee memberTomislav Pribanić (predsjednik povjerenstva)
Committee memberMarko Subašić (član povjerenstva)
Committee memberHrvoje Džapo (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2021-07-06, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U diplomskom radu naveden je utjecaj napretka metoda dubokog učenja na zastupljenost njihove upotrebe u područjima računalnog vida i problematike 3D rekonstrukcije. Navedene su prednosti i mane upotrebe dosadašnjih rješenja za 3D rekonstrukciju koja ne koriste metode dubokog učenja. Objašnjena je važnost digitalizacije ljudskog tijela i njegove primjene u područjima virtualne i proširene stvarnosti. Opisuju se rješenja koja koriste konvolucijske neuronske mreže za problematiku 3D rekonstrukcije ljudskog tijela te njihova podjela prema obliku i načinu prikupljanja skupova podataka za treniranje. Navedene su arhitekture slojeva odabranih neuronskih mreža i prikupljenih podataka za treniranje. Također je opisan postupak predobrade 3D modela i slika u svrhu generiranja sintetiziranih podataka za treniranje mreže. Mreže, implementirane u programskom jeziku Python upotrebom biblioteke Tensorflow, eksperimentalno su evaluirane u procesu treniranja, a rezultati analizirani i uspoređeni ovisno o tipu korištenih sintetiziranih podataka.
Abstract (english)
This Master's thesis presents the impact of the progress of deep learning methods on the prevalence of their use in the fields of computer vision and the task of 3D reconstruction. The advantages and disadvantages of using existing solutions for 3D reconstruction without deep learning methods are listed. The importance of digitalization of the human body and its application in the fields of virtual and augmented realities is explained. Solutions using convolutional neural networks for the task of 3D human body reconstruction and their division according to the form and method of dataset collection is described. Layer architectures of selected neural networks and collected datasets for training are listed. Moreover, the method of preprocessing 3D models and images for the purpose of generating synthesized data for training the networks is described. Networks, implemented in the Python programming language using the Tensorflow library, are experimentally evaluated in the process of training, and the results are analyzed and compared according to the use type of synthesized data that is used.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:726200
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-13 14:51:14