Магистратура
2026/2027
Трёхмерное компьютерное зрение
ID 1155084
Статус:
Курс по выбору (Искусственный интеллект)
Где читается:
Факультет компьютерных наук
Когда читается:
2-й курс, 3 модуль
Охват аудитории:
для своего кампуса
Язык:
русский
Кредиты:
3
Контактные часы:
40
Программа дисциплины
Аннотация
Компьютерное зрение позволяет алгоритмам распознавать объекты на изображениях, но как они могут понять глубину, форму и структуру окружающего пространства? Трёхмерное компьютерное зрение отвечает на эти вопросы, открывая двери к созданию умных роботов, дополненной реальности, автономным автомобилям и цифровым двойникам реального мира.
В этом курсе мы разберём:
- Как формируются изображения — от камеры до нейросетей.
- Методы оценки глубины — как алгоритмы определяют расстояние до объектов.
- Работу с облаками точек — обработка и анализ 3D-данных.
- Современные методы реконструкции 3D-сцен — от классических подходов до нейросетевых технологий.
- Генеративные модели для 3D — методы и подходы к генерации.
Цель освоения дисциплины
- Ознакомить студентов с математическими основами формирования изображений и многовидовой геометрии.
- Сформировать понимание современных нейросетевых методов для задач 3D-зрения.
- Развить практические навыки реализации алгоритмов обработки и реконструкции 3D-данных.
- Познакомить студентов с генеративными моделями для 3D-данных и их приложениями.
Планируемые результаты обучения
- Знать математические основы модели пинхол камеры, элементы проективной геометрии и эпиполярной геометрии.
- Знать принципы работы диффузионных моделей и их применение к генерации 3D-данных.
- Знать принципы объёмного рендеринга, методы Gaussian Splatting и NeRF для представления сцен.
- Знать основные архитектуры глубокого обучения для обработки облаков точек и полигональных сеток.
- Уметь применять параметрические модели человеческого тела (SMPL) для оценки позы и формы.
- Владеть навыками работы с системами дифференцируемого рендеринга для решения задач трёхмерной реконструкции.
- Уметь применять методы оценки глубины и структуры сцены по одному и нескольким изображениям.
- Уметь реализовывать алгоритмы компьютерного зрения на языке Python с использованием современных библиотек.
Содержание учебной дисциплины
- Формирование изображения
- Многовидовая геометрия
- 2.5D-зрение и предсказание глубины
- Глубокое обучение для многовидовой геометрии
- Облака точек как представление 3D-данных
- Полигональные сетки как представление 3D-данных
- Параметрические модели полигональных сеток для тела человека
- Неявные представления 3D-данных
- Гауссовское размытие для радиационных полей
- Краткое введение в диффузионные модели
- Генеративные модели для 3D-данных
Промежуточная аттестация
- 2026/2027 3rd moduleО_итог = 0.7 × О_практ + 0.3 × О_экз, где О_практ — средняя оценка за три практических домашних задания, О_экз — оценка за письменный экзамен. Все оценки выставляются по 10-балльной шкале.
Список литературы
Рекомендуемая основная литература
- Компьютерное зрение. Анализ и обработка изображений - Селянкин В. В. - Издательство "Лань" - 978-5-507-51201-0 - 2026 - русский - https://e.lanbook.com/book/507454 - ЛАНЬ - 507454
- Компьютерное зрение. Теория и алгоритмы - Клетте Р. - Издательство "ДМК Пресс" - 978-5-97060-702-2 - 2019 - русский - https://e.lanbook.com/book/131691 - ЛАНЬ - 131691
Рекомендуемая дополнительная литература
- Алгебра и геометрия с примерами на Python - Борзунов С. В., Кургалин С. Д. - Издательство "Лань" - 978-5-8114-9980-9 - 2022 - русский - https://e.lanbook.com/book/202154 - ЛАНЬ - 202154