PHD COLLOQUIA-3
- Anno accademico
- 2024/2025 Programmi anni precedenti
- Titolo corso in inglese
- PHD COLLOQUIA-3
- Codice insegnamento
- PHD206-3 (AF:545150 AR:311534)
- Lingua di insegnamento
- Inglese
- Modalità
- In presenza
- Crediti formativi universitari
- 2
- Livello laurea
- Corso di Dottorato (D.M.226/2021)
- Settore scientifico disciplinare
- INF/01
- Periodo
- Annuale
- Anno corso
- 1
- Sede
- VENEZIA
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Il corso è offerto nell'ambito del programma di dottorato in Informatica, con l'obiettivo di fornire una panoramica sulla geometric computer vision.
Il corso introduce i concetti principali utilizzati nella ricostruzione 3D. In particolare, verranno trattati i fondamenti della geometria proiettiva, le tecniche classiche di ricostruzione 3D e le più recenti metodologie basate su NeRF.
Il corso introduce i concetti principali utilizzati nella ricostruzione 3D. In particolare, verranno trattati i fondamenti della geometria proiettiva, le tecniche classiche di ricostruzione 3D e le più recenti metodologie basate su NeRF.
Risultati di apprendimento attesi
Gli studenti saranno in grado di comprendere i concetti base di geometria proiettiva e le principali tecniche di ricostruzione 3D, valutando pregi e difetti di ognuna ed adattandoli a situazioni pratiche.
Prerequisiti
Conoscenza base di algebra, probabilità, analisi.
Contenuti
Titolo: "3D Reconstruction: from Classical Approaches to Neural Radiance Fields"
Contenuti del corso:
- Introduzione alla geometria proiettiva
- Modello di camera e geometria epipolare
- Ricostruzione 3D con tecniche classiche: fotometrica, a luce strutturata
- Ricostruzione 3D con approcci basati sui dati: campi di radianza neurali
Contenuti del corso:
- Introduzione alla geometria proiettiva
- Modello di camera e geometria epipolare
- Ricostruzione 3D con tecniche classiche: fotometrica, a luce strutturata
- Ricostruzione 3D con approcci basati sui dati: campi di radianza neurali
Testi di riferimento
Materiale ed articoli accademici forniti dal docente.
Hartley, Richard, and Andrew Zisserman. Multiple view geometry in computer vision. Cambridge university press, 2003.
Forsyth, David A., and Jean Ponce. Computer vision: a modern approach. prentice hall professional technical reference, 2002.
Szeliski, Richard. Computer vision: algorithms and applications. Springer Nature, 2022.
Hartley, Richard, and Andrew Zisserman. Multiple view geometry in computer vision. Cambridge university press, 2003.
Forsyth, David A., and Jean Ponce. Computer vision: a modern approach. prentice hall professional technical reference, 2002.
Szeliski, Richard. Computer vision: algorithms and applications. Springer Nature, 2022.
Modalità di verifica dell'apprendimento
Agli studenti sarà richiesto di studiare e presentare un articolo allo stato dell’arte che tratti argomenti affrontati durante il corso.
Modalità di esame
orale
Graduazione dei voti
La valutazione della presentazione orale sarà così suddivisa:
- Qualità delle slides preparate dallo studente (10 punti)
- Chiarezza dell'esposizione (10 punti)
- Capacità critica di valutazione delle caratteristiche del metodo analizzato (10 punti)
- Qualità delle slides preparate dallo studente (10 punti)
- Chiarezza dell'esposizione (10 punti)
- Capacità critica di valutazione delle caratteristiche del metodo analizzato (10 punti)
Metodi didattici
Lezioni frontali con slides di supporto.
Programma definitivo.
Data ultima modifica programma: 18/03/2025