Aprendizaje automático para gráficos inversos: Reconstrucción de escenas 3D

Los gráficos por computadora tradicionales convierten modelos 3D en imágenes 2D, pero los gráfico gráfico es clave para las aplicaciones modernas de IA en robótica, realidad virtual y computación espacial. A través de este curso basado en texto, comprenderá los fundamentos matemáticos y conceptuales básicos necesarios para construir y entrenar modelos de aprendizaje automático que comprendan la geometría 3D, la iluminación y los materiales a partir de datos de píxeles 2D. Aprenderá a: Comprender cómo las cámaras proyectan el mundo 3D en planos 2D utilizando sistemas de coordenadas y modelos de cámara; Representar formas y escenas 3d usando vóxeles, mallas, nubes de puntos y representaciones neuronales implícitas modernas como campos de radiación neuronal (NeRFs); Aplicar técnicas de aprendizaje profundo para reconstruir la geometría y las texturas 3 Explore métodos de aprendizaje autosupervisado para entrenar modelos de gráficos inversos sin conjuntos de datos 3D masivos etiquetados; Analice los principios de aprendizajes profundos geométricos para garantizar que los modelos se generalicen a través de diferentes formas y puntos de vista. El curso comienza con las matemáticas de coordenadas 3D esenciales y la geometría de proyección de la cámara antes de pasar a las arquitecturas de aprendizaje profundo para la representación de formas.Progresará a través de explicaciones escritas y fragmentos de código estructurados que demuestran cómo implementar estos algoritmos paso a paso. Este curso está diseñado para desarrolladores de software, científicos de datos y estudiantes nuevos en visión por computadora 3D que desean una base conceptual y práctica sólida sin necesidad de experiencia previa en programación de gráficos avanzados.Comience a leer hoy para cerrar la brecha entre los píxeles 2D y la comprensión 3d.