Методы повышения обобщающей способности моделей в задачах 3D компьютерного зренияAdvancing generalization in 3D computer vision tasks

Диссертация посвящена улучшению обобщающей способности моделей 3D компьютерного зрения, что важно для их надежного функционирования в разнообразных, ранее не исследованных условиях. Исследование фокусируется на создании инновационных моделей для генерации синтетических данных, 3D реконструкции, генерации новых видов и плотной оценки позы человека. В частности, рассматривается возможность моделирования последовательности кадров в дискретном скрытом пространстве. Далее предложен метод для локализации особых кривых в 3D моделях, позволяющий обрабатывать зашумленные, высокоразрешенные 3D данные. Также рассмотрена модель для быстрой генерации новых видов, не требующая дополнительной оптимизации на новых сценах. Предложены улучшения для модели плотной оценки позы человека, позволяющие запускать её на мобильных устройствах. Наконец, показывается, как адаптировать модель 3D реконструкции головы человека на основе одного изображения для использования с неизвестными параметрами камеры.